1 / 4概念
Type
判断一段 Python 的行为,不看它写了什么语法,而看三件事:名字绑到了哪个对象、还有谁引用这个对象、访问属性或运算符时触发了哪条协议。本页建立这套对象模型,后面函数、并发、打包三页都以它为前提。
1 概念
1.1 一句话定义
CPython 把源码编译成 code object 与字节码,在帧上逐条执行;变量是名字到对象的绑定,对象带引用计数,循环引用交给分代 GC;dunder 方法与描述符决定运算符、迭代和属性访问的实际语义。
1.2 它解决什么问题
- 统一的值模型:一切皆对象,每个运算符都能追到一个特殊方法,行为可推导而不是靠记忆。
- 确定的生命周期:引用计数让大多数对象在最后一个引用消失时立即释放,资源回收时机可预期。
- 可控的共享:可变对象与别名是显式的,浅拷贝、深拷贝和不可变数据是三种明确选择。
- 可扩展的对象协议:自定义类型可以接入迭代、上下文管理、算术和属性访问,而不改解释器。
- 可定位的故障:内存涨、对象被改、相等判断出错,都能在引用图和协议表上定位。
1.3 不属于本页的内容
| 主题 | 去哪 |
|---|---|
| 函数、闭包、装饰器、类型注解 | Functions and Protocols |
GIL、线程、进程、asyncio | Async and Concurrency |
| 导入系统、虚拟环境、wheel 与 sdist | Modules and Packaging |
| 操作系统层的分页、缺页与调度 | Memory Management |
| JavaScript 的值与原型 | Values and Syntax、Objects and Prototypes |
| 数据帧的列式内存布局 | Dataframes |
1.4 关键术语
| 术语 | 含义 | 容易混淆的点 |
|---|---|---|
| CPython | 官方解释器实现 | 不是语言规范本身 |
| code object | 编译产物:字节码、常量与名字表 | 不是函数对象,函数只是持有它 |
| frame | 一次调用的执行上下文 | 不是线程,也不是进程 |
| 名字绑定 | 名字指向对象 | 赋值不复制对象 |
| 引用计数 | 每个对象维护的引用数 | 循环引用不会归零 |
| 分代 GC | 按代扫描容器对象的循环引用 | 不是标记整个堆 |
| 身份 | is 比较对象地址 | 与值相等是两件事 |
| 相等 | == 调用 __eq__ | 可能返回 NotImplemented 交给对方 |
| 可哈希 | 能作为 dict 键或 set 元素 | 需要 __hash__ 与 __eq__ 一致 |
| dunder | 双下划线特殊方法 | 隐式查找只看类型,不看实例 |
| 描述符 | 定义 __get__、__set__ 的类属性 | property 与函数都是描述符 |
| MRO | 方法解析顺序,C3 线性化 | 不是简单的深度优先 |
__slots__ | 用固定槽位替代实例字典 | 不加 __dict__,不能随意加属性 |
| interning | 复用相同字符串对象 | 只保证一部分字符串,不能当契约 |
2 机制
2.1 心智模型
把对象想成盒子,把名字想成贴在盒子上的标签。赋值只是贴一张新标签,参数传递只是多贴一张,容器只是把盒子收进另一个盒子。盒子是否被销毁只看还有没有标签指向它;循环引用是几个盒子互相贴标签,需要 GC 来打断。
2.2 机制拆解
- 编译与执行:源码先解析成 AST,再编译成 code object。code object 携带字节码、常量表、名字表和局部变量表;每次调用生成新 frame,局部变量放在 frame 的快速槽位里。字节码与常量缓存在
__pycache__/*.pyc,导入时按源文件时间戳与大小(或哈希)判断是否失效。 - 名字解析:函数内按局部、外层函数、全局、内置的顺序查找。类体不是闭包,类作用域的名字对方法不可见;
global改写模块级绑定,nonlocal改写外层函数的 cell。运行时locals()返回的是快照,修改它不影响绑定。 - 引用计数:每个对象头部保存类型指针与引用计数。绑定、传参、放进容器都会加一,重新绑定、离开作用域、删除元素都会减一;减到零立即析构。
sys.getrefcount(x)会临时加一,所以读数比实际多一。 - 循环 GC:引用计数处理不了的环由分代 GC 兜底。容器对象被跟踪,按分配次数晋升代际,阈值默认
(700, 10, 10);gc.collect()手动全量回收。带__del__的环在 PEP 442 之后也能被回收,析构最多执行一次,但时机仍不确定。 - 可变性与哈希:
str、bytes、tuple、frozenset不可变;list、dict、set可变。只含可哈希元素的元组可哈希;列表永远不可哈希。类定义了__eq__而没有__hash__时,实例变成不可哈希。 - 运算符协议:
a + b先试a.__add__(b),返回NotImplemented再试b.__radd__(a);==走__eq__,is不调用任何方法。比较运算符应返回NotImplemented而不是抛异常或返回False。 - 属性协议:读属性依次尝试数据描述符(
property、带__set__的描述符)、实例__dict__、非数据描述符(函数)、类__getattr__。方法调用先绑定,函数是返回绑定方法的非数据描述符;super()依据 MRO 找到下一个定义。 - 特殊方法查找:隐式调用(
len(x)、x + y、for迭代)在类型上查找特殊方法,绕过实例的属性查找;把__len__挂在实例上不会生效。 - 异常模型:异常按继承层次匹配;
raise ... from设置__cause__,隐式传播设置__context__;3.11 起ExceptionGroup与except*承载并发任务的多重失败。
2.3 完整枚举
| 协议 | 触发方式 | 典型实现 |
|---|---|---|
| 表示 | repr()、str()、f-string | __repr__、__str__ |
| 相等 | ==、!= | __eq__、__ne__ |
| 哈希 | hash()、dict 键、set 元素 | __hash__ |
| 序关系 | <、sort、heapq | __lt__ 等,或 total_ordering |
| 算术 | + - * / // % ** | __add__、__radd__、__iadd__ |
| 容器长度 | len(x)、布尔判断 | __len__、__bool__ |
| 下标与切片 | x[k]、x[a:b] | __getitem__、__setitem__ |
| 迭代 | for、iter()、推导式 | __iter__、__next__ |
| 上下文 | with、async with | __enter__、__exit__ |
| 属性访问 | x.y、setattr | __getattr__、__setattr__、描述符 |
| 调用 | x() | __call__ |
| 序列化 | pickle | __reduce__、__getstate__ |
| 复制 | copy.copy、copy.deepcopy | __copy__、__deepcopy__ |
2.4 关键数字与量级
| 指标 | 量级 | 说明 |
|---|---|---|
| 小整数缓存 | -5 到 256 | 缓存之外的新整数不保证同一个对象 |
int 对象开销 | 约 28 字节 | 头部加一个数字段 |
空 list / 空 dict | 约 56 / 64 字节 | 不包含元素本身 |
list 扩容 | 约每次 12.5% | 追加摊销 O(1) |
dict 扩容阈值 | 约三分之二满 | 哈希冲突随之上升 |
| 循环 GC 阈值 | (700, 10, 10) | 按容器分配次数计数 |
| 字节码缓存 | __pycache__ | 按源文件时间戳与大小失效 |
| 递归深度上限 | 约 1000 层 | sys.getrecursionlimit() |
| 线程切换间隔 | 约 5 毫秒 | sys.getswitchinterval() |
| 解释器启动 | 数十毫秒 | 随导入模块数量上升 |
3 实践
3.1 最小示例
from dataclasses import dataclass
@dataclass(frozen=True, slots=True)
class Money:
amount: int
currency: str = "CNY"
def __post_init__(self) -> None:
if self.amount < 0:
raise ValueError("amount must be non-negative")
price = Money(1200)
alias = price
copy = Money(1200)
print(alias is price) # True:同一个对象
print(copy == price) # True:值相等
print(copy is price) # False:两个对象
print(len({price, copy})) # 1:相等且哈希一致,集合去重
别名与浅拷贝的区别:
rows = [[1, 2], [3, 4]]
shallow = rows.copy()
shallow[0].append(99)
print(rows) # [[1, 2, 99], [3, 4]]:内层列表共享
from copy import deepcopy
deep = deepcopy(rows)
deep[0].append(100)
print(rows[0]) # [1, 2, 99]:深拷贝不共享
frozen=True 让 Money 不可变,slots=True 去掉实例字典并顺带保证可哈希;copy 与 price 相等但身份不同,所以集合只留一个。浅拷贝只复制外层容器,内层对象仍是同一个盒子,这也是别名 bug 最常见的来源。
3.2 常用操作与参数
| 操作 | 调用 | 说明 |
|---|---|---|
| 看身份 | id(x) | 对象存活期内唯一,销毁后可能复用 |
| 看引用数 | sys.getrefcount(x) | 读数比实际多一,因为传参临时加一 |
| 看字节码 | dis.dis(func) | 定位编译结果与常量表 |
| 手动回收 | gc.collect() | 返回回收的不可达对象数 |
| 看 GC 统计 | gc.get_stats() | 每代收集次数与回收数 |
| 冻结 GC | gc.freeze() | fork 前冻结,避免子进程重复扫描 |
| 浅拷贝 | copy.copy(x) | 只复制外层容器 |
| 深拷贝 | copy.deepcopy(x) | 处理嵌套与循环,注意开销 |
| 弱引用 | weakref.ref(x) | 不增加引用计数,可做缓存键 |
| 查看对象大小 | sys.getsizeof(x) | 只算对象本身,不含引用对象 |
| 查看实例字典 | vars(x) | 有 __slots__ 时不存在 |
3.3 标准流程
- 先为领域数据选载体:
dataclass、NamedTuple、TypedDict或普通类,并写清可变性。 - 明确相等与哈希契约:值对象用
frozen=True;实体用默认身份相等;两者不要混。 - 需要属性校验或派生字段时用
__post_init__或property,不要散落在调用方。 - 实现必要协议,保持特殊方法在类上定义,并让比较返回
NotImplemented。 - 用
dis看热点函数的字节码,用tracemalloc看对象分配,用gc.get_referrers查谁在引用。 - 测试覆盖别名、相等、哈希与不可变约束,而不只是正常路径。
3.4 与相邻技术的组合
- dataclasses 与 pydantic:前者做轻量值对象,后者做运行时校验与序列化;两者都以类型注解为输入。
- NumPy 与 Arrow:数组的切片是视图不是拷贝,改视图会改原数组;这与 Python 容器的浅拷贝语义一致但更隐蔽。
- C 扩展:扩展模块共享同一套引用计数约定,返回对象前必须持有引用,否则会被回收。
- 弱引用缓存:
weakref.WeakValueDictionary让缓存不阻止对象释放,适合对象身份缓存。 - 并发:对象共享与 GIL 无关;多线程读写同一可变对象仍要加锁,详见 Async and Concurrency。
3.5 选型维度
| 维度 | 取值 | 影响 |
|---|---|---|
| 值语义 | 需要 / 不需要 | 需要即不可变,并定义相等与哈希 |
| 内存敏感度 | 普通 / 大量小对象 | 大量小对象用 __slots__ 或数组 |
| 属性数量 | 固定 / 动态 | 固定用 __slots__,动态用实例字典 |
| 校验时机 | 构造时 / 反序列化时 | 运行时校验交给 pydantic |
| 跨进程传输 | 需要 / 不需要 | 需要即可 pickle,注意版本兼容 |
| 线程共享 | 只读 / 可写 | 可写共享要复制或加锁 |
3.6 决策规则
- 值对象默认
@dataclass(frozen=True);需要可哈希就直接冻结,不要手写__hash__。 - 只读且字段固定的轻量记录可用
NamedTuple;需要默认值与方法时用 dataclass。 - 外部输入(JSON、表单、配置)用 pydantic 或手写校验,不要信任
**kwargs。 - 相等语义一旦变化就同步检查哈希与集合、缓存键,避免对象“消失”。
- 热点路径上的小对象优先换成数组、
array.array或 C 扩展,而不是加__slots__硬扛。 is只用于None、True、False与哨兵对象,其他一律用==。
3.7 替代方案对比
| 方案 | 优势 | 代价 | 适用 |
|---|---|---|---|
@dataclass(frozen=True) | 标准库、生成相等与哈希 | 不支持运行时校验 | 领域值对象 |
NamedTuple | 轻量、可解包、不可变 | 不能自定义初始化 | 坐标、键值记录 |
pydantic | 校验、序列化、JSON Schema | 依赖重、构造有开销 | API 边界与配置 |
attrs | 功能全、开销低 | 第三方依赖 | 需要精细控制的对象 |
普通 class | 完全自由 | 相等、哈希、表示都要手写 | 有身份与行为的实体 |
types.SimpleNamespace | 零样板 | 无相等语义、无校验 | 临时配置与调试 |
3.8 何时不该用
- 数值密集循环里对每个元素建对象:改用 NumPy、
array或 Arrow,别在 Python 层堆对象。 - 需要跨进程共享可变状态:对象模型不提供一致性,改用数据库、队列或共享内存。
- 需要与 C 结构体内存布局对齐:用
struct、ctypes或扩展类型,不要靠__slots__猜布局。 - 需要元类做框架级注册时,先确认装饰器或
__init_subclass__是否足够;元类会破坏组合。 - 对象图极大且深拷贝频繁:先改数据结构或做增量复制,
deepcopy会成为瓶颈。
4 边界
4.1 典型故障
| 症状 | 根因 | 处理 |
|---|---|---|
两个相同整数 is 判断忽真忽假 | 小整数缓存与编译期常量折叠 | 用 ==,不要用 is 比较值 |
| 改了一个列表,另一个也变了 | 赋值与浅拷贝共享同一个对象 | 明确复制层级,或改用不可变数据 |
| 内存持续上涨且 GC 不释放 | 全局缓存或环持有对象 | 查 gc.get_referrers,改用弱引用 |
自定义类放进 set 报 unhashable | 定义了 __eq__ 没有 __hash__ | 冻结对象或显式实现 __hash__ |
迭代中增删 dict 报 RuntimeError | 迭代期间改变容器大小 | 先复制键,或收集后再改 |
| 属性赋值绕过校验 | 读取了实例字典而不是描述符 | 用 property 或 __setattr__ |
len(obj) 调不到实例上的方法 | 特殊方法只在类型上查找 | 把 __len__ 定义在类上 |
copy 后修改互不影响,深拷贝后却报错 | 对象含不可深拷贝的资源(文件、锁) | 实现 __deepcopy__ 或禁止复制 |
__del__ 里的清理没有执行 | 环未被回收或进程退出 | 用上下文管理器显式关闭 |
| 序列化后反序列化字段错位 | __slots__ 或类版本变化 | 显式写 __getstate__ 与版本字段 |
4.2 反模式
| 做法 | 后果 | 替代 |
|---|---|---|
用 is 比较字符串或数字 | 结果依赖缓存与编译器 | 用 == |
| 把可变对象设为类属性 | 所有实例共享同一份状态 | 在 __init__ 里创建实例属性 |
手写 __eq__ 忽略哈希一致性 | 对象在 dict/set 中丢失 | 冻结并让 dataclass 生成两者 |
在 __del__ 里做关键清理 | 回收时机不确定 | 上下文管理器或显式 close() |
用 id() 做持久缓存键 | 对象销毁后地址复用 | 用业务主键或 UUID |
靠 sys.getrefcount 做业务判断 | 读数受临时引用影响 | 只用于调试 |
| 用继承层次表达数据变体 | 类型爆炸、匹配散落 | 用组合、Union 或 sealed 式检查 |
4.3 可观测信号
引用问题看 sys.getrefcount、gc.get_referrers 和 gc.get_stats;内存分配看 tracemalloc 的前后快照差值;对象数量看 objgraph.show_most_common_types;单对象开销用 sys.getsizeof 逐层加总;异常链看 traceback 里的 During handling of the above exception 与 The above exception was the direct cause。生产环境用 -X dev 打开开发模式,能提前暴露未关闭文件与无效比较。
4.4 安全 / 性能 / 一致性边界
- 实现边界:
id()语义、引用计数、sys.getsizeof都是 CPython 细节;PyPy 没有引用计数,移植时不能依赖析构时机。 - 线程边界:GIL 只保护解释器状态,不保护业务对象;共享可变对象仍需锁,3.13 的自由线程构建会进一步改变假设。
- 哈希边界:哈希随机化让字符串哈希在进程间不同,跨进程的稳定哈希要显式实现,不要依赖
hash()。 - 性能边界:对象头与引用计数是每个对象的固定成本;数量级来自减少对象数,而不是微调单个方法。