Python缓存了哪些基本对象[关闭]

Question

众所周知，Python（或至少是 CPython）缓存了一些第一个整数。也就是说，以下成立

a = 1
b = 1
print(a is b)  # True 

同时

a = 1000
b = 1000
print(a is b)  # False

更广泛地说，我们可以使用下面列出的方法来查看缓存了哪些基本对象（或者“是单例”，如果您愿意的话）。

def does_survive_pickling(obj):
    after_pickling = pkl.loads(pkl.dumps(obj))
    return obj is after_pickling

我的问题是

• 表现出这种行为的对象是什么？ （比如说，“存活”酸洗方法）

  • 在我的 CPython 3.9.1 中，它们至少是 [-5, 256] 中的整数（对应的字符也是如此，即 8 位 ACII）、()、None、True、False 和 @ 987654328@。还有其他人吗？

• 这些对象的数量和种类取决于什么条件？

  • 我认为 Python 的实现非常重要。

  • 还有什么（比如，对于 CPython）？版本？硬件（例如 32 位与 64 位处理器）？还有其他的吗？

• 是否有可能在某处找到这些信息？ （在文档中？）

如果有任何 cmets、答案或有用的链接，我会很高兴。谢谢！

也许 CPython 的行为对我来说是唯一真正重要的。但是，出于好奇，欢迎提供有关 PyPy 和其他内容的信息。

---

作为背景，我正在开发一个需要管理其内存资源的库。因此，我努力学习更多关于 Python 内存管理的知识。在这种情况下，我对 pickled-unpickled 对象（更普遍地是序列化-反序列化）的内存占用感兴趣。

比如说，你从一堆内部结构相互交织的对象开始。如果将这些对象中的每一个都保存到磁盘并再次加载，会发生什么（内存消耗增加了多少）？

如果是一些1的嵌套列表，与1000的相同列表有很大的不同。

Answer 1

依赖实施细节是未来灾难的秘诀......

对象缓存是一个实现细节，实际缓存的对象可能会在任何新的 Python 版本中更改，而不会发出任何警告。

如果你有很多大的只读对象，其中大部分是相等的，那么你应该考虑在pickle模块级别实现特殊处理，例如特殊的__reduce__方法，对__getstate__和__setstate__，或使用带外数据处理。不幸的是，很难知道哪种方法最适合您的实际用例。我的意见是，您应该深入研究pickle 模块文档，以了解是否可以使用记录的方式来节省内存。