is
验证对象的身份,和Python,任何执行时,它符合字面不变类型的,是完全自由 要么 做出不可变类型的新对象, 或 通过该类型的现有对象觅见,如果他们中的一些可重复使用(通过添加对相同基础对象的新引用)。这是优化的一个务实的选择并 受到语义约束,所以你的代码不应该依赖于该路径的给予实施可能要(或者它可能与Python的bug修正/优化版本破门!)。
考虑例如:
>>> import dis
>>> def f():
... x = 'google.com'
... return x is 'google.com'
...
>>> dis.dis(f)
2 0 LOAD_CONST 1 ('google.com')
3 STORE_FAST 0 (x)
3 6 LOAD_FAST 0 (x)
9 LOAD_CONST 1 ('google.com')
12 COMPARE_OP 8 (is)
15 RETURN_VALUE
因此,在此特定实现中, ,您的观察结果不适用,并且为文字(任何文字)仅创建了一个对象,并且实际上:
>>> f()
True
实用上讲,这是因为在函数中通过常量的本地表(通过不制作多个足以满足要求的常量不可变对象来节省内存)非常便宜和快速,并且由于可以重复调用该函数,因此可以提供良好的性能返回之后。
但是, 在交互式提示符下 ,实现了相同的实现( :我本来以为这也会在模块的顶层发生,但是@Thomas的评论使我正确了,请参阅下文):
>>> x = 'google.com'
>>> y = 'google.com'
>>> id(x), id(y)
(4213000, 4290864)
不必费心尝试以这种方式节省内存id
-s是不同的,即不同的对象。可能会有更高的成本和更低的回报,因此此实现的优化程序的启发式方法告诉它不要费心搜索,而只是继续进行。
:根据@Thomas的观察,在模块顶层,例如:
$ cat aaa.py
x = 'google.com'
y = 'google.com'
print id(x), id(y)
再次,我们在此实现中看到基于常量表的内存优化:
>>> import aaa
4291104 4291104
(根据@Thomas的观察,编辑结束)。
最后,再次在相同的实现上:
>>> x = 'google'
>>> y = 'google'
>>> id(x), id(y)
(2484672, 2484672)
启发式方法在这里是不同的,因为文字字符串“看起来像是一个标识符”-因此它可能在需要进行intern操作的操作中使用…因此,优化程序仍然会对其进行intern(并且一旦intern,查找它就会变得非常快课程)。确实,令人惊讶……
>>> z = intern(x)
>>> id(z)
2484672
…x
被intern
编在第一次(正如你看到的,返回值intern
是 相同的 对象x
和y
,因为它具有相同id()
)。当然,你不应该依赖此任-优化并不 自动实习生什么,它只是一个优化启发式; 如果您需要intern
ed字符串,则必须intern
明确指定它们,以确保安全。当您显式地 字符串时…:
>>> x = intern('google.com')
>>> y = intern('google.com')
>>> id(x), id(y)
(4213000, 4213000)
…然后您 确保id()
每次都获得完全相同的对象(即相同的)结果- 因此您可以应用微优化,例如使用进行检查,is
而不是==
(我几乎从未发现微不足道的性能提升值得麻烦;-)。
:只是为了澄清一下,这是我正在谈论的性能差异,在慢速的Macbook Air上…:
$ python -mtimeit -s"a='google';b='google'" 'a==b'
10000000 loops, best of 3: 0.132 usec per loop
$ python -mtimeit -s"a='google';b='google'" 'a is b'
10000000 loops, best of 3: 0.107 usec per loop
$ python -mtimeit -s"a='goo.gle';b='goo.gle'" 'a==b'
10000000 loops, best of 3: 0.132 usec per loop
$ python -mtimeit -s"a='google';b='google'" 'a is b'
10000000 loops, best of 3: 0.106 usec per loop
$ python -mtimeit -s"a=intern('goo.gle');b=intern('goo.gle')" 'a is b'
10000000 loops, best of 3: 0.0966 usec per loop
$ python -mtimeit -s"a=intern('goo.gle');b=intern('goo.gle')" 'a == b'
10000000 loops, best of 3: 0.126 usec per loop
……最多两种方式都只有几十纳秒。因此,即使仅在最极端的情况下也要 考虑 “从此[删除的性能]性能瓶颈中优化[删除的性能]”!-)