Python类型缓存机制全解析

Python 的内置类型缓存机制（如小整数 -5~256 和短字符串的驻留）是 CPython 解释器为提升性能而做的底层优化——它预分配并复用常见对象，使得字面量赋值时 `is` 比较可能返回 `True`；但这一行为并非语言规范保证，因其实现依赖具体版本与解释器，且仅适用于编译期可确定的场景，因此绝不可用于相等性判断（务必用 `==`），而应严格限定 `is` 于身份比较（如 `is None`）；理解缓存的边界（哪些类型有、哪些没有）、原理（`id()` 与 `is` 的一致性）及潜在陷阱（内存驻留、误用导致的隐蔽 bug），能帮你写出更健壮、可移植、符合 Python 哲学的代码。

小整数和短字符串为什么能用 is 比较？

因为 Python 对一部分内置对象做了「缓存复用」，不是每次创建都分配新内存。比如 -5 到 256 的整数、长度较短的标识符风格字符串（如 "hello"），解释器启动时就预创建好并放进全局缓存池。所以 a = 100; b = 100; a is b 返回 True —— 它们指向同一对象。

但这个行为只适用于 CPython 实现，且不保证跨版本一致；更关键的是，它仅在「字面量直接赋值」或「编译期可确定」的场景生效。比如：

a = 1000
b = 1000
a is b  # 可能为 False（超出小整数范围）
s1 = "hello world"
s2 = "hello world"
s1 is s2  # 通常为 True（短字符串驻留）
s3 = "hello" + " " + "world"  # 编译期拼接，仍驻留
s4 = "hello world" * 1  # 运行时计算，通常不驻留

• 不要依赖 is 判断数值或字符串相等，一律用 ==
• 字符串驻留（interning）受 sys.intern() 控制，也受编译器优化影响，不能当作稳定特性使用
• is 应仅用于判断是否为同一个对象（如 obj is None）

id() 和 is 在缓存对象上的表现一致性

id() 返回对象在内存中的地址（CPython 中是实际指针值），而 is 的语义就是 id(a) == id(b)。所以只要两个变量指向缓存池里的同一个预分配对象，id() 就必然相同，is 也返回 True。

但注意：缓存对象一旦被垃圾回收（极罕见，因缓存池对象生命周期与解释器一致），其 id 可能被后续新对象复用 —— 所以 id 值本身不可持久化存储或跨时间比较。

• 缓存对象的 id 在整个程序运行期间稳定，但仅限于该对象存活期内
• 不要把 id() 当作唯一标识符用于序列化、日志追踪等场景
• is 的结果可预测，id() 的数值含义仅对当前运行实例有效

哪些类型有缓存？哪些没有？

CPython 明确实现缓存的主要是：

• 小整数：-5 至 256（含），定义在 Objects/longobject.c 中的 small_ints 数组
• 单字符字符串：所有 ASCII 字母、数字、下划线（即符合标识符首字符规则的单字符）
• 部分短字符串：编译期常量、无空格/特殊字符的短串（如 "__name__"），由编译器触发 PyUnicode_InternInPlace

以下类型**没有**内置缓存机制：

• 浮点数（1.0 is 1.0 为 True 是巧合，源于编译器常量折叠，非缓存）
• 列表、字典、集合等可变类型（即使内容相同，每次 [] 都新建对象）
• 长字符串（如 "a" * 1000）、含空格或 Unicode 的字符串（除非显式 sys.intern()）
• 自定义类实例（无论 __eq__ 如何实现，is 总是 False）

缓存机制对性能和内存的实际影响

缓存本质是空间换时间：避免重复分配、减少 GC 压力、加快对象创建。对小整数来说，效果显著——每秒百万级的 int 创建几乎零开销；对字符串驻留，则大幅降低字典键查找时的哈希与比较成本（尤其在大量重复 key 的场景，如 JSON 解析）。

但副作用也很明确：

• 启动时多占几 KB 内存（小整数池约 312 个对象，字符串驻留表初始为空，随需增长）
• 驻留字符串会阻止其被回收，哪怕只在局部作用域短暂使用过
• 过度依赖驻留可能掩盖逻辑错误（例如误用 is 导致测试通过但线上失败）

真正需要干预缓存行为的场景极少。如果确实要控制字符串驻留，用 sys.intern() 即可，但必须确保传入的是不可变字符串，且调用时机在首次创建后、被其他引用持有前。

以上就是《Python类型缓存机制全解析》的详细内容，更多关于的资料请关注golang学习网公众号！