Python中的内存分配优化：小整数池与字符串驻留机制

题目描述
Python通过小整数池（small integer pool）和字符串驻留（string interning）机制优化内存分配。这两种机制通过对象复用减少重复创建，提升内存利用率和比较效率。理解其原理有助于编写高性能代码。

知识讲解

1. 小整数池的动机与实现

• 问题背景：Python程序中频繁使用小整数（如循环计数器），若每次使用都创建新对象，会浪费内存。
• 解决方案：Python在启动时预分配常用整数对象（默认范围[-5, 256]），后续使用时直接复用。
• 验证示例：

  a = 100
  b = 100
  print(a is b)  # True：同一对象
  c = 300
  d = 300
  print(c is d)  # False（交互模式下可能为True，因解释器优化）
  

• 原理：
  • 小整数池是全局静态对象池，通过PyLong_FromLong()函数实现缓存逻辑。
  • 超出范围的整数每次创建新对象（但解释器可能优化连续赋值）。

2. 字符串驻留机制

• 动机：减少重复字符串（如变量名、字面量）的内存占用。
• 触发条件：
  • 编译期：长度≤20且仅含ASCII字符的字面量（如"hello"）自动驻留。
  • 运行时：可通过sys.intern()手动驻留任意字符串。
• 示例分析：

  s1 = "hello"
  s2 = "hello"
  print(s1 is s2)  # True：编译期驻留
  
  s4 = "hello world!"
  s5 = "hello world!"
  print(s4 is s5)  # 长度超20，False（交互模式下可能为True）
  
  # 手动驻留
  import sys
  s6 = sys.intern("long string" * 10)
  s7 = sys.intern("long string" * 10)
  print(s6 is s7)  # True
  

• 底层实现：
  Python维护全局字典interned，键为字符串哈希值，值为对象指针。驻留时先查字典，存在则返回现有对象。

3. 机制差异与注意事项

• 小整数池：
  • 范围固定，不可扩展。
  • 对象始终存活，不被GC回收。
• 字符串驻留：
  • 可通过sys.intern()扩展。
  • 驻留对象无外部引用时可能被GC回收（CPython 3.12+优化为永久驻留）。
• 使用场景：
  • 小整数池完全透明，无需干预。
  • 字符串驻留适用于大量重复字符串场景（如处理文本数据）。

4. 性能影响示例

# 未驻留的字典键比较效率低
data = {f"key_{i}": i for i in range(1000)}
keys = [f"key_{i}" for i in range(1000)]  # 每个键都是新对象

# 使用驻留提升比较速度
interned_keys = [sys.intern(f"key_{i}") for i in range(1000)]
# 键比较直接通过指针匹配，无需逐字符对比

总结
小整数池和字符串驻留是Python内存优化的核心机制，通过对象复用降低内存碎片、提升比较效率。实际开发中应理解其边界，避免依赖is比较不可驻留对象（如大整数），并在需要时主动使用sys.intern()优化场景。