__slots__通过预分配固定内存偏移量，使属性访问退化为直接指针偏移，跳过字典哈希查找，从而提升30%–50%访问速度；同时消除__dict__开销，显著降低内存占用。
为什么 __slots__ 能让属性访问更快？
Python 默认为每个实例创建一个 <strong>dict</strong> 字典来存储动态属性，每次读写属性都要经过字典的哈希查找。而启用 <strong>slots</strong> 后，解释器会为指定属性预分配固定内存偏移量，属性访问退化为直接指针偏移，跳过字典查找开销。
- 属性访问速度提升通常在 30%–50%，尤其在高频循环或数值密集场景中明显
- 内存占用显著下降：没有
<strong>dict</strong>，实例对象更紧凑（例如小对象可节省 100+ 字节） - 仅对实例属性生效，类属性、方法、
<strong>weakref</strong>不受影响
怎么正确定义 __slots__？
必须在类定义顶层显式声明为元组、列表或字符串（推荐元组），且子类不会自动继承父类的 <strong>slots</strong>：
class Point:
__slots__ = ('x', 'y') # ✅ 正确：元组，不可变
def __init__(self, x, y):
self.x = x
self.y = y
- 若需支持动态属性，必须显式把
'<strong>dict</strong>'加入<strong>slots</strong>，但会抵消大部分性能收益 - 子类若也用
<strong>slots</strong>，需重新声明；若不声明，则自动获得<strong>dict</strong>，破坏父类约束 - 不要写成
<strong>slots</strong> = 'x'（单字符串会被当迭代器，等价于('x',)），但易误读，建议始终用括号元组
哪些情况不能用 __slots__？
不是所有类都适合，强行使用反而引发错误或失去灵活性：
- 使用了多重继承，且多个父类都定义了互不兼容的
<strong>slots</strong>（如字段名冲突、或其中一个含<strong>dict</strong>） - 类依赖动态属性注入（如 ORM 映射、dataclass 自动生成、
setattr()驱动的配置加载） - 需要 pickle 序列化时未处理
<strong>getstate</strong>/<strong>setstate</strong>，可能报AttributeError: <strong>dict</strong> - 使用了某些装饰器（如
@dataclass(slots=False)）或框架（如 Pydantic v1）默认禁用<strong>slots</strong>
实际提速效果怎么看？
别只信理论，用 timeit 实测关键路径：
import timeit
<p>class WithSlots:
<strong>slots</strong> = ('a', 'b')
def <strong>init</strong>(self): self.a = 1; self.b = 2</p><p>class WithoutSlots:
def <strong>init</strong>(self): self.a = 1; self.b = 2</p><h1>测属性读取</h1><p>t1 = timeit.timeit(lambda: WithSlots().a, number=1000000)
t2 = timeit.timeit(lambda: WithoutSlots().a, number=1000000)
print(f"slots: {t1:.4f}s, no slots: {t2:.4f}s") # 通常 t1 </p>
- 注意：测试必须基于实例访问（
obj.attr），而非类访问（Class.attr） - 若类中大量使用
getattr(obj, name)，<strong>slots</strong>无加速效果，因为仍走通用查找逻辑 - 真实业务中，除非热点路径里每毫秒调用数百次以上属性访问，否则差异常被 I/O 或算法掩盖
真正容易被忽略的是：加了 <strong>slots</strong> 后，忘记同步更新子类或序列化逻辑，导致上线后偶发 AttributeError，而且错误堆栈不指向 <strong>slots</strong> 声明本身，排查成本反而升高。
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！
