Python中整数的缓存机制讲解
在python中，如下代码结果一定不会让你吃惊：
Python3.3.2(v3.3.2:d047928ae3f6,May162013,00:06:53)[MSCv.160064bit(AMD64)]onwin32 Type"copyright","credits"or"license()"formoreinformation. >>>a=345 >>>b=a >>>aisb True >>>
没错，在python一切皆是对象，而对象是通过引用传递的。在赋值时，不管这个对象是新创建的，还是一个已经存在的，都是将该对象的引用赋值给变量。故这里a实际上和b是同一个对象，aisb为true！
当然稍为了解python的人我相信都会知道以上相关知识的。但是如下的代码结果，却让人不大好理解了：
>>>c=256 >>>d=256 >>>cisd True >>>e=257 >>>f=257 >>>eisf False >>>
我们将c赋值为了整型值256，d也为256，e为257，f为257。但是当把c与d，e与f进行is操作时，却发现两者的结果不同。
原因在哪？
——这个是由python中的整型对象的缓冲池机制，所决定的。
在python中几乎所有的内建对象，都会有自己所特有的对象池机制。
1.小整数对象——小整型对象池
在实际编程中，数值比较小的整数，比如1,2,29等，可能会非常频繁的出现。而在python中，所有的对象都存在与系统堆上。想想？如果某个小整数出现的次数非常多，那么python将会出现大量的malloc/free操作，这样大大降低了运行效率，而且会造成大量的内存碎片，严重影响Python的整体性能。
在python2.5乃至3.3中，将小整数位于[-5,257)之间的数，缓存在小整型对象池中。
这也就是为了cisd而eisnotf的原因了。
2.大整数对象——通用整数对象池
由以上知，python把小整型数完全的缓存在了小对象缓存池中了。而那些大整数对象就没有那么好的待遇了！python运行环境提供了一块内存空间供大整数轮流使用。通常称为通用整数对象池。这也就是说大整数其实也是有缓存的。该对象池使用链表组织，虽然e和f有着相同的值，但是在链表中确是不同的节点。也就是说e和f根本不是一个对象。至于既然有缓存，为什么e和f还要组织为两个节点，就不大明白了。
讲讲我的看法吧：我觉得从语义上来讲e=257和f=257本身就是应当为两个不同的对象(这点和对象赋值不同)。由于整数缓存池的存在，让大家觉得任何整数在缓冲池中都只能存在一个，不能重复。但将e和f在整数缓冲池中组织为一个节点或两个节点没有什么本质区别吧(除了浪费了一点内存)。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对毛票票的支持。如果你想了解更多相关内容请查看下面相关链接