频繁创建对象会加剧gc压力，因短生命周期对象触发分代回收更频繁，内存碎片化延长扫描时间；__slots__可减少__dict__开销，对象池能复用实例，禁用gc仅适用于明确无循环引用的短时密集操作。
为什么频繁创建对象会让GC变慢？
Python的垃圾回收器（尤其是gc模块的分代回收）在检测到大量短生命周期对象时，会频繁触发gc.collect()，尤其当这些对象带有循环引用或自定义__del__方法时。更关键的是，频繁分配/释放小对象会导致堆内存碎片化，间接增加GC扫描时间和暂停时间（stop-the-world）。这不是“GC太慢”，而是“它被逼得太勤”。
用__slots__减少单个对象内存开销和GC压力
默认情况下，每个实例都有一个__dict__，它本身就是一个字典对象——每次创建都额外产生至少两个对象（实例 + 字典），且字典是GC重点扫描目标。启用__slots__能彻底去掉__dict__，大幅降低单个实例的内存占用和GC追踪负担。
实操建议：
- 只对高频创建的类（如数据容器、DTO、游戏实体）加
__slots__，避免过度使用导致动态属性失效 - 确保所有父类也都定义了
__slots__，否则子类__dict__仍会被创建 -
__slots__中声明的字段名必须是字符串，且不能包含'__dict__'或'__weakref__'（除非你显式需要弱引用）
示例：
class Point:
__slots__ = ('x', 'y')
def __init__(self, x, y):
self.x = x
self.y = y
# 创建10万个Point实例，比普通类节省约30%内存，GC周期明显拉长
用对象池复用实例，绕过频繁分配
对固定类型、可重置的对象（如缓冲区、临时计算结构、网络包解析器），用池管理比反复new更高效。关键是避免“池太大”或“忘记归还”，否则反而加剧内存占用和GC延迟。
实操建议：
- 优先用线程本地池（
threading.local）避免锁竞争，尤其在多线程Web服务中 - 池大小设为合理上限（如
maxsize=100），超出后直接新建，防止内存无限增长 - 务必在对象归还前清空所有可变字段（如列表、字典），否则残留状态会污染下次使用
- 不要池化带
__del__或复杂资源绑定的对象——归还逻辑容易出错
简单池示意：
from threading import local
_pool = local()
def get_buffer():
if not hasattr(_pool, 'buf'):
_pool.buf = bytearray(4096)
buf = _pool.buf
buf.clear() # 重置内容
return buf
手动控制gc.disable()的适用场景与风险
禁用GC不是“提速”，而是把GC成本从多次小停顿变成一次大停顿。只在明确知道对象生命周期、且能保证无循环引用的短时密集操作中才考虑，比如批量数据序列化、数值计算中间过程。
实操建议：
- 禁用前先调用
gc.collect()清空现有垃圾，避免后续一次性处理积压 - 禁用区间必须严格限定——用
try/finally包裹，确保无论是否异常都会恢复 - 绝对不要在长期运行的线程（如HTTP worker）里全局禁用GC；它可能让循环引用永远不被回收
- 配合
gc.get_count()监控代计数，判断是否真有必要干预
错误示范：gc.disable()放在模块顶层；正确做法：
import gc
gc.collect() # 先清理
gc.disable()
try:
# 短时密集操作
result = heavy_computation()
finally:
gc.enable()
gc.collect() # 可选：立即回收本阶段产生的垃圾
真正影响GC延迟的，往往不是“要不要优化”，而是“哪些对象不该被创建”。比起调参或关GC，优先检查是否在循环里重复构造相同结构的字典、列表或临时类实例——那才是最该砍掉的根子。
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！
