когда Python выделяет новую память для идентичных строк?
Две строки Python с одинаковыми символами, a == b, могут совместно использовать память, id (a) == id (b) или могут быть в памяти дважды, id (a)! = Id (b). Пытаться
ab = "ab"
print id( ab ), id( "a"+"b" )
Здесь Python признает, что вновь созданный «a» + «b» такой же, как «ab» уже в памяти - неплохо.
Теперь рассмотрим N-длинный список названий штатов ["Аризона", "Аляска", "Аляска", "Калифорния" ...] (N ~ 500000 в моем случае).
Я вижу 50 различных id () s ⇒ каждая строка "Аризона" ... сохраняется только один раз, хорошо.
НО записать список на диск и снова прочитать его: «тот же» список теперь имеет N различных идентификаторов (), намного больше памяти, см. Ниже.
Почему? Кто-нибудь может объяснить распределение памяти строк в Python?
""" when does Python allocate new memory for identical strings ?
ab = "ab"
print id( ab ), id( "a"+"b" ) # same !
list of N names from 50 states: 50 ids, mem ~ 4N + 50S, each string once
but list > file > mem again: N ids, mem ~ N * (4 + S)
"""
from __future__ import division
from collections import defaultdict
from copy import copy
import cPickle
import random
import sys
states = dict(
AL = "Alabama",
AK = "Alaska",
AZ = "Arizona",
AR = "Arkansas",
CA = "California",
CO = "Colorado",
CT = "Connecticut",
DE = "Delaware",
FL = "Florida",
GA = "Georgia",
)
def nid(alist):
""" nr distinct ids """
return "%d ids %d pickle len" % (
len( set( map( id, alist ))),
len( cPickle.dumps( alist, 0 ))) # rough est ?
# cf http://stackoverflow.com/questions/2117255/python-deep-getsizeof-list-with-contents
N = 10000
exec( "\n".join( sys.argv[1:] )) # var=val ...
random.seed(1)
# big list of random names of states --
names = []
for j in xrange(N):
name = copy( random.choice( states.values() ))
names.append(name)
print "%d strings in mem: %s" % (N, nid(names) ) # 10 ids, even with copy()
# list to a file, back again -- each string is allocated anew
joinsplit = "\n".join(names).split() # same as > file > mem again
assert joinsplit == names
print "%d strings from a file: %s" % (N, nid(joinsplit) )
# 10000 strings in mem: 10 ids 42149 pickle len
# 10000 strings from a file: 10000 ids 188080 pickle len
# Python 2.6.4 mac ppc
Добавлено 25ян:
В памяти Python (или в любой программе) есть два вида строк:
intern(astring)
кладет астрину в учах (Алекс +1); кроме этого, мы вообще ничего не знаем о том, как Python перемещает Ostrings в Ucache - как «a» + «b» проникли после «ab»? («Строки из файлов» не имеет смысла - нет способа узнать.)
Короче говоря, Ucaches (может быть несколько) остаются темными.
Историческая сноска:SPITBOL Uniquified все струны ок. 1970.