Python源代码--整数对象(PyIntObject)的内存池

【背景】

原文链接：http://blog.csdn.net/ordeder/article/details/25343633

Python整数对象是不可变对象，什么意思呢？比如运行例如以下python语句

>>>a = 1023

>>>a = 1024

>>>b = a

>>>c = 1024

>>>d = 195

>>>e = 195

python的整数对象结构为：

typedef struct {

PyObject_HEAD

long ob_ival;

} PyIntObject;

第一条命令运行后。python vm 创建了一个PyIntObject A，当中的ob_ival=1023记录了该整数对象的值,名字a引用该对象。即A 的 ob_refcnt=1。

当运行第二条语句的时候。python vm 又建立了新的PyIntObject B，其ob_ival值为1024.且名字a解引用AA的ob_refcnt-1变成0，系统将其回收。名字a引用对象B，B的ob_refcnt=1；

运行第三条语句，名字b引用名字a引用的对象，故而B的ob_refcnt+1。即为2。

第四条语句：c引用了不同于B的还有一个整数对象

第五条语句：d引用了小整数对象195

第六条语句: e和d引用的是同一个对象。及小整数对象

p.s. 小整数的范围为[-5,257)

在python中的PyIntObject对象ob_ival内容是不可变的。

【Python中整数对象的存储优化】

因为python中的整数对象记录的整数值是不可变的，所以在名字a的值不断变化的过程中。就就涉及到了多次对象的创建和销毁。

所以python为整数对象申请空间进行了两种优化：

优化1：为通用整数对象存储池

优化2：为小整数对象构建特殊的缓冲

PyIntObject分为小整数对象[-5~257)及大整数对象。小整数对象在py启动过程中初始化。从而实现小整数对象的缓存，缓冲中的小整数对象在py执行期间不会被销毁。 大整数对象须要程序猿动态申请，对象在执行过程中依据ob_refcnt引用计数确定是否销毁（计数为0）。

其次。py为了优化整数对象的申请工作。为大整数对象引入了缓冲池的概念。为何引入缓冲池？我的理解是：对于系统来说。alloc一个PyIntObject对象，须要一次系统调用，为了避免每次创建对象都去调用alloc，便引入整数缓冲池的概念。

【小整数缓冲】

看着名字感觉挺奇妙。事实上就是在vm启动的时候预先将[-5~257）这些整数构建对应的整数对象。

这些整数

对象的构建所在的内存空间相同是在：通用整数对象的缓冲池。

仅仅只是这些个小整数对象的ob_refcnt不会改变

且永远>0,所以在vm执行过程中不会被销毁。所以起到了缓冲的作用。

【通用整数对象的缓冲池】

为了降低alloc系统调用申请空间，内存池一次性申请的空间不是当个PyIntObject大小，而是一个以PyIntBlock块为结构的大小的空间，每一个PyIntBlock块容纳了n个PyIntObject对象。内存池的基本数据结构例如以下：

#define BLOCK_SIZE      1000    /* 1K less typical malloc overhead */
#define BHEAD_SIZE      8       /* Enough for a 64-bit pointer */
#define N_INTOBJECTS    ((BLOCK_SIZE - BHEAD_SIZE) / sizeof(PyIntObject))

struct _intblock {
struct _intblock *next;
PyIntObject objects[N_INTOBJECTS];
};
typedef struct _intblock PyIntBlock;

static PyIntBlock *block_list = NULL;
static PyIntObject *free_list = NULL;

系统在启动的时候。PyIntBlock *block_list为空的，在执行过程中，假设须要创建整数对象，系统会先判定block_list是否有空暇的空间供创建对象，通过fill_free_list()函数从缓冲池中获取可用的PyIntObject。

假设free_list有空暇的PyIntObject可用，则直接在缓冲池中获取该空暇空间，你懂得。

假设没得，系统将通过alloc申请一个PyIntBlock挂入block_list中，同一时候将该块分为N_INTOBJECTS整数对象PyIntObject挂入到free_list中。

1. fill_free_list()的函数实现

static PyIntObject * fill_free_list(void)
{
PyIntObject *p, *q;
/* Python's object allocator isn't appropriate for large blocks. */
p = (PyIntObject *) PyMem_MALLOC(sizeof(PyIntBlock));
if (p == NULL)
return (PyIntObject *) PyErr_NoMemory();
((PyIntBlock *)p)->next = block_list;
block_list = (PyIntBlock *)p;
/* Link the int objects together, from rear to front, then return
the address of the last int object in the block. */
p = &((PyIntBlock *)p)->objects[0];
q = p + N_INTOBJECTS;
while (--q > p)
Py_TYPE(q) = (struct _typeobject *)(q-1); //[1]
Py_TYPE(q) = NULL;
return p + N_INTOBJECTS - 1;
}

说明[1]

py将PyIntObject->ob_type作为free_list的暂时next指针，使用了指针强制转换。尽管破坏了指针的安全原则。可是重用了>ob_type内存空间。不失为一种好方法！下图描绘了两个PyIntBlock构成的通用整数缓冲池：



2. 其余两个构建和删除整数对象相关函数：

//构建intobj
PyObject * PyInt_FromLong(long ival)
{
register PyIntObject *v;
#if NSMALLNEGINTS + NSMALLPOSINTS > 0
if (-NSMALLNEGINTS <= ival && ival < NSMALLPOSINTS) {
v = small_ints[ival + NSMALLNEGINTS];
Py_INCREF(v);
#ifdef COUNT_ALLOCS
if (ival >= 0)
quick_int_allocs++;
else
quick_neg_int_allocs++;
#endif
return (PyObject *) v;
}
#endif
if (free_list == NULL) { //[1]
if ((free_list = fill_free_list()) == NULL)
return NULL;
}
/* Inline PyObject_New */
v = free_list;
//[2]
free_list = (PyIntObject *)Py_TYPE(v);
PyObject_INIT(v, &PyInt_Type);
v->ob_ival = ival;
return (PyObject *) v;
}
[1]缓冲池的空暇链表为空，通过fill_free_list()去申请新的PyIntBlock
[2](PyIntObject *)Py_TYPE(v)相当于是PyIntObject在free_list中的next指针。

//删除intobj
static void int_dealloc(PyIntObject *v)
{
if (PyInt_CheckExact(v)) { //[1]
Py_TYPE(v) = (struct _typeobject *)free_list;
free_list = v;
}
else //[2]
Py_TYPE(v)->tp_free((PyObject *)v);
}
[1] 判定假设v的引用计数为1（经过本次解引用变为0）。则将该PyIntObject空间增加到缓冲池的空暇队列。以便重用
[2]引用计数>2 将该对象引用计数减1