Python代码块缓存、小数据池

引子

前几天遇到了这样一道Python题目：a=‘123’，b=‘123’，下列哪个是正确的？
A. a != b
B. a is b
C. a==123
D. a + b =246

正确答案是B

是的，我选错了，我当时觉得没有正确答案，原因是我当时已经知道Python中 == 与 != 是比较两边的数值是否相等，很显然 a==b，我也知道 is 比较的是两边的内存地址是否相同，而内存地址是否相同是通过比较 id(a) 是否等于id(b)来知道的，而我想当然地认为a和b是两个不一样的变量，内存地址肯定不相同，于是认为B选项是错误的。然而，我不知道的是，Python中还存在有代码块缓存、 小数据池 的概念。对于Python我只是直接上手写代码了，觉得很简单，然而对于其背后的深层知识还有很多欠缺，以后需要多多学习和记录总结。

代码块的缓存机制

代码块

Python程序是由代码块构造的，一个模块、一个函数、一个类、一个文件等都是一个代码块，特别地，在Python解释器交互环境中，每个命令都是一个代码块。

缓存机制

Python在执行同一个代码块时，遇到初始化变量的命令时，它会将初始化的这个变量与其值存储在一个字典中，在遇到新的变量时，会先在字典中查询记录，如果该变量对应的值的记录已经存在，则该变量会重复使用这个值，即会把前后两个变量指向同一个值对象，值对象在内存中只存在一个。这就是代码块的缓存机制，缓存机制的适用类型有：int、float、str、bool。

1. int、float：任何数字在同一代码块下都会复用；
2. bool：True和False在字典中会以1和0的方式存在，因此也都会被复用；
3. str：缓存机制符合一下规则：

• 非乘法得到的字符串都会被缓存复用，如；

s1='中文xa#!@jndslskkaskakskkkkkkkkdfjkd()&*^$$ksjfkls'
s2='中文xa#!@jndslskkaskakskkkkkkkkdfjkd()&*^$$ksjfkls'
print(s1 is s2)  # True

• 乘法得到的字符串分两种情况：
  1）乘数为1时，同非乘法得到的字符串一样，都满足代码块的缓存机制，如：

s1='中文xa#!@jndslskkaskakskkkkkkkkdfjkd()&*^$$ksjfkls' * 1
s2='中文xa#!@jndslskkaskakskkkkkkkkdfjkd()&*^$$ksjfkls' * 1
print(s1 is s2)  # True

2）乘数>=2时，仅包含大小写字母、数字、下划线并且总长度 <=20 的字符串才满足代码块的缓存机制，如：

s1='中文xa#!@jndslskkaskakskkkkkkkkdfjkd()&*^$$ksjfkls' * 2
s2='中文xa#!@jndslskkaskakskkkkkkkkdfjkd()&*^$$ksjfkls' * 2
print(s1 is s2)  # False 总长度超过20且包含除字母、数字、下划线的字符

s3='中文xa#!@j' * 2
s4='中文xa#!@j' * 2
print(s3 is s4)  # False 包含除字母、数字、下划线的字符

s5='2a_j' * 6
s6='2a_j' * 6
print(s5 is s6)  # False 总长度超过20

s7='2a_j' * 5
s8='2a_j' * 5
print(s7 is s8)  # True 

小数据池

小数据池即小整数缓存机制，Python自动将 -5～256 之间的整数进行了缓存，也将一定规则的字符串在字符串驻留池中创建了一份，即在内存中只创建一份。它主要是针对不同代码块之间的缓存机制。

1.int ：小数据池的范围是 -5～256，多个变量都指向在此范围内的同一个数字时，它们在内存中都指向同一个内存地址，超过此范围则指向不同的内存地址，以命令行为例（每行命令为一个代码块，不同行的命令为不同的代码块）：

>>> a=256
>>> b=256
>>> a is b
True

>>> a=257
>>> b=257
>>> a is b
False

>>> a=-5
>>> b=-5
>>> a is b
True

>>> a=-6
>>> b=-6
>>> a is b
False

这里，我还顺便试了一下float类型的数据是否符合此原则,实事实证明是不符合的：

>>> a=0.0
>>> b=0.0
>>> a is b
False

>>> a=-0.1
>>> b=-0.1
>>> a is b
False

2. bool：相当于整数中的1和0，因此满足缓存复用：

>>> a = True
>>> b = True
>>> a is b
True

3. 字符串：依然分为好几种情况：

• 长度为0或者1，默认都采用了驻留机制：

>>> s1='a'
>>> s2='a'
>>> s1 is s2
True

>>> s3=''
>>> s4=''
>>> s3 is s4
True

>>> s5='#'
>>> s6='#'
>>> s5 is s6
True

• 长度>1，仅包含字母、数字、下划线时，才会采用驻留机制：

>>> s1='@a'
>>> s2='@a'
>>> s1 is s2
False

>>> s3='s____s111111111111aaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
>>> s4='s____s111111111111aaaaaaaaaaaaaaaaaaaaaaaaaaaaaa'
>>> s3 is s4
True

• 用乘法得到的字符串，乘数为1时，仅含字母、数字、下划线时(不限制长度)，才会采用驻留机制，其它字符乘数为1且长度<=1时，才会采用驻留机制：

>>> s1='@'*1
>>> s2='@'*1
>>> s1 is s2
True

>>> s3='@#a'*1
>>> s4='@#a'*1
>>> s3 is s4
False

• 用乘法得到的字符串，乘数 >=2 时，仅含字母、数字、下划线且总长度<=20，才会采用驻留机制:

>>> s1='ab_@'*5
>>> s2='ab_@'*5
>>> s1 is s2
False #包含其它字符

>>> s3='ab_1'*6
>>> s4='ab_1'*6
>>> s3 is s4
False #总长度超过20

>>> s5='ab_1'*5
>>> s6='ab_1'*5
>>> s5 is s6
True

指定驻留

除了小数据池规则以外，你可以指定任意的字符串加入到小数据池中，让其只在内存中创建一个对象，多个变量都是指向这一个字符串，这就是指定驻留，方法如下：

>>> from sys import intern  #python2中import貌似会报错
>>> s1 = intern('ab_@'*5)
>>> s2 = intern('ab_@'*5)
>>> s1 is s2
True

总结

• 如果在同一代码块下，则采用同一代码块下的换缓存机制；
• 如果是不同代码块，则采用小数据池的驻留机制，该机制比代码块缓存机制要严格一些；
• 特殊情况下，采用指定驻留。

写完自己都有点晕了，的确容易记混出错，不过没关系啦，先知道有这么个规则概念，然后多去手动尝试使用就好啦，加油，共勉～