解释器维护的整数缓存是什么？

Question

在深入研究 Python 的源代码后，我发现它维护了一个PyInt_Object数组，范围从int(-5)到int(256) (@src/Objects/intobject.c)

一个小实验证明了这一点：

>>> a = 1
>>> b = 1
>>> a is b
True
>>> a = 257
>>> b = 257
>>> a is b
False

但是如果我在一个 py 文件中一起运行这些代码（或者用分号连接它们），结果是不同的：

>>> a = 257; b = 257; a is b
True

我很好奇为什么它们仍然是同一个对象，所以我深入研究了语法树和编译器，我想出了下面列出的调用层次结构：

PyRun_FileExFlags() 
    mod = PyParser_ASTFromFile() 
        node *n = PyParser_ParseFileFlagsEx() //source to cst
            parsetoke() 
                ps = PyParser_New() 
                for (;;)
                    PyTokenizer_Get() 
                    PyParser_AddToken(ps, ...)
        mod = PyAST_FromNode(n, ...)  //cst to ast
    run_mod(mod, ...)
        co = PyAST_Compile(mod, ...) //ast to CFG
            PyFuture_FromAST()
            PySymtable_Build()
            co = compiler_mod()
        PyEval_EvalCode(co, ...)
            PyEval_EvalCodeEx()

然后，我添加一些调试代码PyInt_FromLong和后/前PyAST_FromNode ，并执行一个test.py：

a = 257
b = 257
print "id(a) = %d, id(b) = %d" % (id(a), id(b))

输出看起来像：

DEBUG: before PyAST_FromNode
name = a
ival = 257, id = 176046536
name = b
ival = 257, id = 176046752
name = a
name = b
DEBUG: after PyAST_FromNode
run_mod
PyAST_Compile ok
id(a) = 176046536, id(b) = 176046536
Eval ok

这意味着在cst到ast转换期间，创建了两个不同的PyInt_Object s（实际上它是在ast_for_atom()函数中执行的），但它们后来被合并。

我发现很难理解PyAST_Compile和PyEval_EvalCode的源代码，所以我在这里寻求帮助，如果有人给出提示，我将不胜感激？

Answer 1

Python 缓存[-5, 256]范围内的整数，因此该范围内的整数通常但并不总是相同。

你看到的 257 是 Python 编译器在相同的代码对象中编译时优化相同的文字。

在 Python shell 中输入时，每一行都是一个完全不同的语句，分别解析和编译，因此：

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

但是如果你把相同的代码放到一个文件中：

$ echo 'a = 257
> b = 257
> print a is b' > testing.py
$ python testing.py
True

每当编译器有机会一起分析文字时，就会发生这种情况，例如在交互式解释器中定义函数时：

>>> def test():
...     a = 257
...     b = 257
...     print a is b
... 
>>> dis.dis(test)
  2           0 LOAD_CONST               1 (257)
              3 STORE_FAST               0 (a)

  3           6 LOAD_CONST               1 (257)
              9 STORE_FAST               1 (b)

  4          12 LOAD_FAST                0 (a)
             15 LOAD_FAST                1 (b)
             18 COMPARE_OP               8 (is)
             21 PRINT_ITEM          
             22 PRINT_NEWLINE       
             23 LOAD_CONST               0 (None)
             26 RETURN_VALUE        
>>> test()
True
>>> test.func_code.co_consts
(None, 257)

请注意编译后的代码如何包含257的单个常量。

总而言之，Python 字节码编译器无法执行大规模优化（如静态类型语言），但它所做的比您想象的要多。 其中之一是分析文字的用法并避免重复它们。

请注意，这与缓存无关，因为它也适用于没有缓存的浮点数：

>>> a = 5.0
>>> b = 5.0
>>> a is b
False
>>> a = 5.0; b = 5.0
>>> a is b
True

对于更复杂的文字，如元组，它“不起作用”：

>>> a = (1,2)
>>> b = (1,2)
>>> a is b
False
>>> a = (1,2); b = (1,2)
>>> a is b
False

但是元组中的文字是共享的：

>>> a = (257, 258)
>>> b = (257, 258)
>>> a[0] is b[0]
False
>>> a[1] is b[1]
False
>>> a = (257, 258); b = (257, 258)
>>> a[0] is b[0]
True
>>> a[1] is b[1]
True

（请注意，即使在错误修复版本之间，常量折叠和窥视孔优化器也可以改变行为，因此哪些示例返回True或False基本上是任意的，并且将来会发生变化）。

---

关于为什么你看到两个PyInt_Object被创建，我猜这是为了避免文字比较。 例如，数字257可以用多个文字表示：

>>> 257
257
>>> 0x101
257
>>> 0b100000001
257
>>> 0o401
257

解析器有两种选择：

• 在创建整数之前将文字转换为某个公共基数，并查看文字是否等效。 然后创建一个整数对象。
• 创建整数对象并查看它们是否相等。 如果是，只保留一个值并将其分配给所有文字，否则，您已经拥有要分配的整数。

可能 Python 解析器使用了第二种方法，它避免了重写转换代码并且更容易扩展（例如它也适用于浮点数）。

---

读取Python/ast.c文件，解析所有数字的函数是parsenumber ，它调用PyOS_strtoul获取整数值（对于整数）并最终调用PyLong_FromString ：

    x = (long) PyOS_strtoul((char *)s, (char **)&end, 0);
    if (x < 0 && errno == 0) {
        return PyLong_FromString((char *)s,
                                 (char **)0,
                                 0);
    }

正如你可以在这里看到解析器不会检查是否已经找到与给定值的整数，所以这就是为什么你看到两个int对象被创建的，而这也意味着，我的猜测是正确的：解析器首先创建常数并且仅在之后优化字节码以将相同的对象用于相等的常量。

执行此检查的代码必须位于Python/compile.c或Python/peephole.c ，因为这些文件将 AST 转换为字节码。

特别是， compiler_add_o函数似乎就是这样做的。 在compiler_lambda有这样的评论：

/* Make None the first constant, so the lambda can't have a
   docstring. */
if (compiler_add_o(c, c->u->u_consts, Py_None) < 0)
    return 0;

所以似乎compiler_add_o用于为函数/lambdas 等插入常量。 compiler_add_o函数将常量存储到一个dict对象中，并且紧随其后的是相等的常量将落在同一个槽中，从而导致最终的单个常量字节码。