slots 能让单个实例节省约240字节内存，10万个实例省23mb以上；它是高频轻量对象的刚需，非可选优化。
直接说结论：__slots__ 能让单个实例节省约 240 字节内存，10 万个实例就能省下 23MB 以上；它不是“可选优化”，而是高频、轻量对象的刚需配置。
为什么普通类每个实例都带一个 __dict__？
Python 默认用字典存储实例属性，这是为了支持运行时动态赋值（比如 obj.new_field = 42）。但代价是：每个实例都得扛一个完整哈希表结构 —— 即使只存两个字段，__dict__ 自身就占约 240 字节，再加上键（字符串）和值的额外开销。
常见错误现象：
- 创建百万级数据模型（如
User、Point）后 RSS 内存暴涨，GC 频繁，但堆栈里找不到明显泄漏点 -
sys.getsizeof(obj)返回值远大于字段实际大小，困惑于“对象怎么比数据还重”
这不是 bug，是设计取舍：用空间换灵活性。但如果你的类属性固定、不打算动态加字段，这个字典就是纯冗余。
__slots__ 怎么把对象变“瘦”？
它让 Python 放弃为每个实例建 __dict__，改用类似 C struct 的连续内存块，属性按声明顺序直接塞进去。访问时跳过哈希查找，靠偏移量直取。
实操建议：
- 用元组定义更安全：
__slots__ = ('x', 'y')，避免意外修改列表内容 - 空类想极致瘦身，写
__slots__ = () - 如果要用弱引用（比如缓存、观察者模式），必须显式加上：
__slots__ = ('x', 'y', '__weakref__') - 别在已有实例上临时加
__slots__—— 它只对新创建的实例生效
示例对比：
class RegularPoint:
def __init__(self, x, y):
self.x = x
self.y = y
<p>class SlottedPoint:
<strong>slots</strong> = ('x', 'y')
def <strong>init</strong>(self, x, y):
self.x = x
self.y = y</p>
10,000 个 SlottedPoint 实例总内存 ≈ 400KB；同数量 RegularPoint 约 2.8MB —— 差距主要来自那 10,000 个重复的 __dict__ 结构。
继承和多重继承中 __slots__ 容易踩的坑
子类没定义 __slots__，父类的 __slots__ 就失效 —— 子类实例仍会生成 __dict__。
关键规则：
- 所有参与继承链的类，只要想省内存，就得各自定义
__slots__ - 子类
__slots__不会自动合并父类的，得手动包含或留空（但留空 ≠ 继承父类 slots） - 多重继承时，若多个父类都有
__slots__，且字段名重复，Python 会报TypeError；字段名必须互斥 - 一旦某个父类没设
__slots__，整个继承链就“破防”，所有子类实例都会回退到字典存储
最稳妥的做法：基类定义 __slots__，子类明确继承并扩展，例如：
class Shape:
__slots__ = ('color',)
<p>class Circle(Shape):
<strong>slots</strong> = ('radius',) # 注意：不包含 color，它由父类管理</p>
什么时候不该用 __slots__？
它不是银弹。以下场景反而会添麻烦：
- 类需要被 pickle 序列化且兼容旧版本（部分老 pickle 协议依赖
__dict__） - 你依赖
dir()或vars()动态检查实例属性（它们对__slots__类返回空或不全） - 用了很多 monkey patch 或动态装饰器，频繁往实例塞临时属性
- 类只是偶尔创建几个实例，内存压力根本不存在
真正该关注的是：你的类是否属于“高密度、低变更”的数据载体？比如 ORM 模型、几何点、传感器采样帧、粒子状态 —— 这些才是 __slots__ 发挥价值的地方。忘了“要不要用”，先问“它是不是你的主力数据结构”。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
