兩個 class

先寫兩個 class，其中的差別在有沒有 __slots__：

class Plain:
    def __init__(self, x, y, z):
        self.x, self.y, self.z = x, y, z


class Slotted:
    __slots__ = ("x", "y", "z")

    def __init__(self, x, y, z):
        self.x, self.y, self.z = x, y, z

接下來，各建立一個實例來看看：

p = Plain(1, 2, 3)
s = Slotted(1, 2, 3)

hasattr(p, "__dict__")   # True
p.__dict__               # {'x': 1, 'y': 2, 'z': 3}

hasattr(s, "__dict__")   # False

Python 語言參考說 __slots__ 會替宣告的變數保留空間，並且不會替每個實例建立 __dict__ 和 __weakref__。

接下來我們測測看

光看有沒有字典，還看不出有甚麼差別，所以利用 tracemalloc 測量每個實例平均會佔多少記憶體：

import tracemalloc


def per_instance(cls, n=500_000):
    objs = [None] * n          # 清單先開好，不計入
    tracemalloc.start()
    for i in range(n):
        objs[i] = cls(1, 2, 3)
    current, _ = tracemalloc.get_traced_memory()
    tracemalloc.stop()
    return current / n

在 Windows 64 位元的 CPython 3.11.15 上跑，Plain 每個實例大約 96 bytes，Slotted 大約 56 bytes，差了 40 bytes；換到 3.14.3，也是一樣。因為屬性值都是 1、2、3 這種小整數，CPython 本來就會共用同一個整數物件（參考之前寫的Python 的 is 和 == 差在哪），所以這裡量測到的只有實例本身。

不過從 3.11 開始，一般物件的屬性值會先放在一個專門的陣列裡，要等到有程式真的去讀 __dict__，字典才會建立，CPython 的內部文件有說明這個設計（lazily created when the __dict__ attribute is specifically asked for）。也就是說，開始量測時，Plain 的實例內其實還沒有字典。

那如果真的有程式讀了呢？在迴圈裡加入一行，等待物件建好之後讀取 objs[i].__dict__，Plain 就從 96 變成大約 160 bytes，其中多出來的這些部分來自此時才建立的字典；若 Slotted 加上同一行則會直接拋出 AttributeError，因為它沒有 __dict__ 可以讀。

同段程式如果是在 3.10.20 上面跑，Plain 不管有沒有讀取 __dict__ 都是 152，Slotted 一樣是 56，因為當時只要設定第一個屬性（這裡是在 __init__ 裡），字典就會跟著建立。所以 __slots__ 到底能夠節省多少，也跟 Python 版本有關。

換來的限制

一開始字典本來是可以隨時加新屬性的地方，拿掉之後，等於這個能力也跟著沒了。對 Slotted 設定沒宣告過的屬性，會拋出錯誤：

s.w = 4
# AttributeError: 'Slotted' object has no attribute 'w'

在 3.13.12 和 3.14.3 上，錯誤訊息還會多 and no __dict__ for setting new attributes。另外，繼承 Slotted 的子類別如果自己沒有宣告 __slots__，實例又會有 __dict__，也就可以再加新屬性。

那什麼時候值得用

40 bytes 對幾個、幾十個物件來說沒什麼感覺，要一次建出幾十萬個同型的小物件，每個實例省下的部分總和就會很有感覺。所以要不要加 __slots__，主要也要看這個 class 會被建立多少次，使用情境和範圍，以及之後需不需要替實例補上新的屬性。而屬性數量、平台或版本不同，也會有點不一樣，所以如果想知道在自己的環境下差多少，要在什麼情況下使用，可以把自己的 class 交給上面的 per_instance 測量，也能順便看看程式裡有沒有地方會去讀 __dict__。