Python源码剖析 - Python中的整数对象
1. 不可变的PyIntObject
Python源码剖析 - 对象初探 我们对 PyIntObject 已经有了初步的了解。 Python 中的对象可以分为固定长度和可变长度两种类型。除此之外，也可以按照可变和不可变进行划分。
PyIntObject 则属于长度固定且不可变的对象。相比其他的对象而言，最简单，也最容易理解。
我们先来了解一下 PyIntObject 类型的类型信息，代码如下：
PyTypeObject PyInt_Type = {
PyVarObject_HEAD_INIT(&PyType_Type, 0)
"int",
sizeof(PyIntObject),
0,
(destructor)int_dealloc, /* tp_dealloc */
(printfunc)int_print, /* tp_print */
0, /* tp_getattr */
0, /* tp_setattr */
(cmpfunc)int_compare, /* tp_compare */
(reprfunc)int_to_decimal_string, /* tp_repr */
&int_as_number, /* tp_as_number */
0, /* tp_as_sequence */
0, /* tp_as_mapping */
(hashfunc)int_hash, /* tp_hash */
0, /* tp_call */
(reprfunc)int_to_decimal_string, /* tp_str */
PyObject_GenericGetAttr, /* tp_getattro */
0, /* tp_setattro */
0, /* tp_as_buffer */
Py_TPFLAGS_DEFAULT | Py_TPFLAGS_CHECKTYPES |
Py_TPFLAGS_BASETYPE | Py_TPFLAGS_INT_SUBCLASS, /* tp_flags */
int_doc, /* tp_doc */
0, /* tp_traverse */
0, /* tp_clear */
0, /* tp_richcompare */
0, /* tp_weaklistoffset */
0, /* tp_iter */
0, /* tp_iternext */
int_methods, /* tp_methods */
0, /* tp_members */
int_getset, /* tp_getset */
0, /* tp_base */
0, /* tp_dict */
0, /* tp_descr_get */
0, /* tp_descr_set */
0, /* tp_dictoffset */
0, /* tp_init */
0, /* tp_alloc */
int_new, /* tp_new */
};
核心代码解释：
| 代码 | 说明 |
|---|---|
| PyVarObject_HEAD_INIT(&PyType_Type, 0) | 1. 设定ob_type指向PyInt_Type结构的地址 2.定长 |
| "int" | 设定 tp_name |
| int_dealloc | PyIntObject对象的析构函数 |
| int_print | PyIntObject对象的标准输出函数 |
| int_compare | 比较操作 |
| int_to_decimal_string | 将整数转换为数字字符串 |
| &int_as_number | 数学操作函数集合，如加减乘除等 |
| int_hash | 计算该对象的hash值 |
| int_methods | 对象成员函数的集合 |
2. PyIntObject对象创建三种方式
关于 PyIntObject 的对象创建过程，我们在Python源码剖析 - 对象初探中已经做了初步的介绍，通过阅读源码我们可以发现有有以下三种方式，可以用来创建 PyIntObject 对象
PyAPI_FUNC(PyObject *) PyInt_FromString(char*, char**, int);
PyAPI_FUNC(PyObject *) PyInt_FromUnicode(Py_UNICODE*, Py_ssize_t, int);
PyAPI_FUNC(PyObject *) PyInt_FromLong(long);
也就是说，一个 PyIntObject 可以来源于 String、Unicode 和 Long 类型的变量。
PyObject *
PyInt_FromLong(long ival)
{
register PyIntObject *v;
#if NSMALLNEGINTS + NSMALLPOSINTS > 0
if (-NSMALLNEGINTS <= ival && ival < NSMALLPOSINTS) {
v = small_ints[ival + NSMALLNEGINTS];
Py_INCREF(v);
#ifdef COUNT_ALLOCS
if (ival >= 0)
quick_int_allocs++;
else
quick_neg_int_allocs++;
#endif
return (PyObject *) v;
}
#endif
if (free_list == NULL) {
if ((free_list = fill_free_list()) == NULL)
return NULL;
}
/* Inline PyObject_New */
v = free_list;
free_list = (PyIntObject *)Py_TYPE(v);
(void)PyObject_INIT(v, &PyInt_Type);
v->ob_ival = ival;
return (PyObject *) v;
}
从代码实现来看，如果是一个小整数，那么就直接增加对这个小整数对象的引用，否则，则需要从 free_list 中选取一个可用的对象，并将该对象的 ob_ival 设置为当前的数值。
接下来，我们详细介绍 PyIntObject 中对小整数的处理方式。
3. PyIntObject的小整数对象
在 Python 中，代码直接对小整数对象的范围进行了限定，即 [-5, 257)
#ifndef NSMALLPOSINTS
#define NSMALLPOSINTS 257
#endif
#ifndef NSMALLNEGINTS
#define NSMALLNEGINTS 5
#endif
#if NSMALLNEGINTS + NSMALLPOSINTS > 0
/* References to small integers are saved in this array so that they
can be shared.
The integers that are saved are those in the range
-NSMALLNEGINTS (inclusive) to NSMALLPOSINTS (not inclusive).
*/
static PyIntObject *small_ints[NSMALLNEGINTS + NSMALLPOSINTS];
#endif
这些小整数对象，类似于常量一样常驻内存中，并不会不释放，这样做的优点在于：
- 使用效率高，这些小整数对象，像静态常量一样，直接拿来就可以用
- 避免经常使用小整数导致内存操作效率降低 - 假设我们没有将小整数常驻内存，按照 Python 中其他对象的处理方式来处理，必然会导致 malloc() 和 free() 的频繁调用，引起大量内存碎片，严重影响 Python 的整体性
但是这样做有几个的问题：
- 常量的设定，是一个经验值，你没办法预计在你的程序里，这个样的设置就是最优的
- 修改代价大，如果你发现我对小整数的范围进行调整，你能做的唯一办法，就是对源码进行修改，并进行重新编译。
4. PyIntObject的大整数对象
对于小整数，Python 通过小整数对象池的方式来解决效率问题，那么对于其他整数对象，又是如何处理的呢。
其实与小整数类似，也是通过内存池技术，不同的是这个内存池中的数值并不是固定的，而是谁需要使用，就来申请，使用完了，则归还到池子中去。
struct _intblock {
struct _intblock *next;
PyIntObject objects[N_INTOBJECTS];
};
typedef struct _intblock PyIntBlock;
static PyIntBlock *block_list = NULL;
static PyIntObject *free_list = NULL;
static PyIntObject *
fill_free_list(void)
{
PyIntObject *p, *q;
/* Python's object allocator isn't appropriate for large blocks. */
p = (PyIntObject *) PyMem_MALLOC(sizeof(PyIntBlock));
if (p == NULL)
return (PyIntObject *) PyErr_NoMemory();
((PyIntBlock *)p)->next = block_list;
block_list = (PyIntBlock *)p;
/* Link the int objects together, from rear to front, then return
the address of the last int object in the block. */
p = &((PyIntBlock *)p)->objects[0];
q = p + N_INTOBJECTS;
while (--q > p)
Py_TYPE(q) = (struct _typeobject *)(q-1);
Py_TYPE(q) = NULL;
return p + N_INTOBJECTS - 1;
}
通过 block_list 和 free_list 两个指针来进行维护，free_list 是一个单向列表，维护 block_list 中所有可用的内存块。如果 block_list 不够用了，则调用 fill_free_list() 申请新的内存。
5. 更多内容
原文来自兔子先生网站：https://www.xtuz.net/detail-136.html
查看原文 >>> Python源码剖析 - Python中的整数对象
如果你对Python语言感兴趣，可以关注我，或者关注我的微信公众号：xtuz666
www.xtuz.net
