K60至尊版剛預熱 一加Ace2 Pro正面硬剛
Redmi這邊剛如火如荼的宣傳了K60 Ultra的各種技術和硬件配置，作為競品的一加也坐不住了。一加中國區總裁李杰發布了兩條微博，表示在自家的一加Ace2上早就已經采用了和PixelWo
通過 PyObject 和 PyVarObject，我們看到了所有對象的公共信息以及變長對象的公共信息。任何一個對象，不管它是什么類型，內部必有引用計數（ob_refcnt）和類型指針（ob_type）。任何一個變長對象，不管它是什么類型，內部除了引用計數和類型指針之外，還有一個表示元素個數的 ob_size。
顯然目前沒有什么問題，一切都是符合預期的，但是當我們順著時間軸回溯的話，就會發現端倪。比如：
想都不用想，這些信息肯定都在對象的類型對象中。因為占用的空間大小實際上是對象的一個元信息，這樣的元信息和其所屬類型是密切相關的，因此它一定會出現在與之對應的類型對象當中。
至于支持的操作就更不用說了，我們平時自定義類的時候，功能函數都寫在什么地方，顯然都是寫在類里面，因此一個對象支持的操作也定義在類型對象當中。
而將對象和它的類型對象關聯起來的，毫無疑問正是該對象內部的 PyObject 的 ob_type 字段，也就是類型指針。我們通過對象的 ob_type 字段即可獲取類型對象的指針，然后通過指針獲取存儲在類型對象中的某些元信息。
下面我們來看看類型對象在底層是怎么定義的。
PyObject 的 ob_type 字段的類型是 PyTypeObject *，所以類型對象由 PyTypeObject 結構體負責實現，看一看它長什么樣子。
// Include/pytypedefs.htypedef struct _typeobject PyTypeObject;// Include/cpython/object.hstruct _typeobject { PyObject_VAR_HEAD const char *tp_name; Py_ssize_t tp_basicsize, tp_itemsize; destructor tp_dealloc; Py_ssize_t tp_vectorcall_offset; getattrfunc tp_getattr; setattrfunc tp_setattr; PyAsyncMethods *tp_as_async; reprfunc tp_repr; PyNumberMethods *tp_as_number; PySequenceMethods *tp_as_sequence; PyMappingMethods *tp_as_mapping; hashfunc tp_hash; ternaryfunc tp_call; reprfunc tp_str; getattrofunc tp_getattro; setattrofunc tp_setattro; PyBufferProcs *tp_as_buffer; unsigned long tp_flags; const char *tp_doc; traverseproc tp_traverse; inquiry tp_clear; richcmpfunc tp_richcompare; Py_ssize_t tp_weaklistoffset; getiterfunc tp_iter; iternextfunc tp_iternext; PyMethodDef *tp_methods; PyMemberDef *tp_members; PyGetSetDef *tp_getset; PyTypeObject *tp_base; PyObject *tp_dict; descrgetfunc tp_descr_get; descrsetfunc tp_descr_set; Py_ssize_t tp_dictoffset; initproc tp_init; allocfunc tp_alloc; newfunc tp_new; freefunc tp_free; inquiry tp_is_gc; PyObject *tp_bases; PyObject *tp_mro; PyObject *tp_cache; void *tp_subclasses; PyObject *tp_weaklist; destructor tp_del; unsigned int tp_version_tag; destructor tp_finalize; vectorcallfunc tp_vectorcall; unsigned char tp_watched;};類型對象在底層對應的是 struct _typeobject，或者說 PyTypeObject，它保存了實例對象的元信息。
所以不難發現，Python 中實例對象在底層會對應不同的結構體實例，但類型對象則是對應同一個結構體實例。換句話說無論是 int、str、dict 等內置類型，還是我們使用 class 關鍵字自定義的類型，它們在 C 的層面都是由 PyTypeObject 這個結構體實例化得到的，只不過內部字段的值不同，PyTypeObject 這個結構體在實例化之后得到的類型對象也不同。
然后我們來看看 PyTypeObject 里面的字段都代表啥含義，字段還是比較多的，我們逐一介紹。
宏，會被替換為 PyVarObject，所以類型對象是一個變長對象。因此類型對象也有引用計數和類型，這與我們前面分析的是一致的。
對應 Python 中類型對象的 __name__ 屬性，即類型對象的名稱。
# 類型對象在底層對應的是 PyTypeObject 結構體實例# 它的 tp_name 字段表示類型對象的名稱print(int.__name__) # int# 動態創建一個類A = type("我是 A", (object,), {})print(A.__name__) # 我是 A所以任何一個類型對象都有 __name__ 屬性，也就是都有名稱。
析構函數，對應 Python 中類型對象的 __del__，會在實例對象被銷毀時執行。
如果想調用一個對象，那么它的類型對象要定義 __call__ 函數。
class A: def __call__(self, *args, **kwargs): return "被調用了"a = A()# 如果調用 a，那么 type(a) 要定義 __call__ 函數print(a())"""被調用了"""# 底層會轉成如下邏輯print(A.__call__(a))"""被調用了"""# 函數也是一個實例對象，它能被調用# 說明 type(函數) 也一定實現了 __call__def some_func(name, age): return f"name: {name}, age: {age}"# 函數的類型是 functionprint(type(some_func))"""<class 'function'>"""# 調用函數print(some_func("古明地覺", 17))"""name: 古明地覺, age: 17"""# 也可以這么做print(type(some_func).__call__(some_func, "古明地覺", 17))"""name: 古明地覺, age: 17"""以上就是對象最通用的調用邏輯，但通用也意味著平庸，這種調用方式的性能是不高的。自定義類的實例對象還好，因為需要支持調用的場景不多，而函數則不同，盡管它也是實例對象，但它生下來就是要被調用的。
如果函數調用也走通用邏輯的話，那么效率不高，因此 Python 從 3.8 開始引入了 vectorcall 協議，即矢量調用協議，用于優化和加速函數調用。至于它是怎么優化的，后續剖析函數的時候再細說。
總之當一個對象被調用時，如果它支持 vectorcall 協議，那么會通過 tp_vectorcall_offset 找到實現矢量調用的函數指針。
注意：vectorcall 函數指針定義在實例對象中，所以 tp_vectorcall_offset 字段維護了 vectorcall 函數指針在實例對象中的偏移量，該偏移量用于定位到一個特定的函數指針，這個函數指針符合 vectorcall 協議。
如果類型對象的 tp_vectorcall_offset 為 0，表示其實例對象不支持矢量調用，因此會退化為常規調用，即通過 __call__ 進行調用。
對應 Python 中類型對象的 __getattr__ 和 __setattr__，用于操作實例對象的屬性。但這兩個字段已經不推薦使用了，因為它要求在操作屬性時，屬性名必須為 C 字符串，以及不支持通過描述符協議處理屬性。
所以這兩個字段主要用于兼容舊版本，現在應該使用 tp_getattro 和 tp_setattro。
tp_as_number：實例對象為數值時，所支持的操作。這是一個結構體指針，指向的結構體中的每一個字段都是一個函數指針，指向的函數就是對象可以執行的操作，比如四則運算、左移、右移、取模等等。
tp_as_sequence：實例對象為序列時，所支持的操作，也是一個結構體指針。
tp_as_mapping：實例對象為映射時，所支持的操作，也是一個結構體指針。
tp_as_async：實例對象為協程時，所支持的操作，也是一個結構體指針。
對應 Python 中類型對象的 __repr__ 和 __str__，用于控制實例對象的打印輸出。
對應 Python 中類型對象的 __hash__，用于定義實例對象的哈希值。
對應 Python 中類型對象的 __call__，用于控制實例對象的調用行為。當然這屬于常規調用，而對象不僅可以支持常規調用，還可以支持上面提到的矢量調用（通過減少參數傳遞的開銷，提升調用性能）。
但要注意的是，不管使用哪種調用協議，對象調用的行為必須都是相同的。因此一個對象如果支持矢量調用，那么它也必須支持常規調用，換句話說對象如果實現了 vectorcall，那么它的類型對象也必須實現 tp_call。
如果你在實現 vectorcall 之后發現它比 tp_call 還慢，那么你就不應該實現 vectorcall，因為實現 vectorcall 是有條件的，當條件不滿足時性能反而會變差。
對應 Python 中類型對象的 __getattr__ 和 __setattr__。
指向 PyBufferProcs 類型的結構體，用于共享內存。通過暴露出一個緩沖區，可以和其它對象共享同一份數據，因此當類型對象實現了 tp_as_buffer，我們也說其實例對象實現了緩沖區協議，舉個例子。
import numpy as npbuf = bytearray(b"abc")# 和 buf 共享內存arr = np.frombuffer(buf, dtype="uint8")print(arr) # [97 98 99]# 修改 bufbuf[0] = 255# 會發現 arr 也改變了，因為它和 buf 共用一塊內存print(arr) # [255 98 99]所以 tp_as_buffer 主要用于那些自身包含大量數據，且需要允許其它對象直接訪問的類型。通過實現緩沖區協議，其它對象可以直接共享數據，而無需事先拷貝，這在處理大型數據或進行高性能計算時非常有用。
關于緩沖區協議，后續還會詳細介紹。
對應 Python 中類型對象的 __flags__，負責提供類型對象本身的附加信息，通過和指定的一系列標志位進行按位與運算，即可判斷該類型是否具有某個特征。
那么標志位都有哪些呢？我們介紹幾個常見的。
// Include/object.h// 類型對象的內存是否是動態分配的// 像內置的類型對象屬于靜態類，它們不是動態分配的#define Py_TPFLAGS_HEAPTYPE (1UL << 9)// 類型對象是否允許被繼承#define Py_TPFLAGS_BASETYPE (1UL << 10)// 類型對象的實例對象是否參與垃圾回收#define Py_TPFLAGS_HAVE_GC (1UL << 14)// 類型對象是否是抽象基類#define Py_TPFLAGS_IS_ABSTRACT (1UL << 20)我們通過 Python 來演示一下。
# 是否是自定義的動態類Py_TPFLAGS_HEAPTYPE = 1 << 9class A: pass# 如果與運算的結果為真，則表示是動態類，否則不是print(A.__flags__ & Py_TPFLAGS_HEAPTYPE)"""512"""print(int.__flags__ & Py_TPFLAGS_HEAPTYPE)"""0"""# 類型對象是否允許被繼承Py_TPFLAGS_BASETYPE = 1 << 10# object 顯然允許被繼承，因此與運算的結果為真print(object.__flags__ & Py_TPFLAGS_BASETYPE)"""1024"""# 但 memoryview 就不允許被繼承try: class B(memoryview): passexcept TypeError as e: print(e) """ type 'memoryview' is not an acceptable base type """print(memoryview.__flags__ & Py_TPFLAGS_BASETYPE)"""0"""# 類型對象的實例對象是否參與垃圾回收Py_TPFLAGS_HAVE_GC = 1 << 14# int 的實例對象（整數）不會產生循環引用，所以不會參與垃圾回收print(int.__flags__ & Py_TPFLAGS_HAVE_GC)"""0"""# 但列表是會參與垃圾回收的print(list.__flags__ & Py_TPFLAGS_HAVE_GC)"""16384"""# 類型對象是否是抽象基類Py_TPFLAGS_IS_ABSTRACT = 1 << 20from abc import ABCMeta, abstractmethod# 顯然 C 不是抽象基類，而 D 是class C: passclass D(metaclass=ABCMeta): @abstractmethod def foo(self): passprint(C.__flags__ & Py_TPFLAGS_IS_ABSTRACT)"""0"""print(D.__flags__ & Py_TPFLAGS_IS_ABSTRACT)"""1048576"""所以這就是 tp_flags 的作用，它負責描述一個類型對象都具有哪些額外特征。
對應 Python 中類型對象的 __doc__。
class People: """以前我沒得選"""print(People.__doc__)"""以前我沒得選"""這個比較簡單。
這兩個字段是一對，負責參與垃圾回收機制。
負責實現對象的比較邏輯，包含 >、>=、<、<=、!=、==。
弱引用列表的偏移量。
對應 Python 中類型對象的 __iter__ 和 __next__。
負責保存類型對象里的成員函數，我們以 list 為例。
負責指定可以綁定在實例對象上的屬性，我們使用 class 關鍵字定義動態類的時候，會在 __init__ 函數中給實例對象綁定屬性，而對于底層 C 來說，需要通過 tp_members 字段。
以 slice 為例，它負責創建一個切片。
lst = list(range(10))print(lst[1: 7: 2]) # [1, 3, 5]# 等價于print(lst[slice(1, 7, 2)]) # [1, 3, 5]slice 是一個底層實現好的靜態類，接收 start、end、step 三個參數，所以它底層的 tp_members 就是這么定義的。
對于靜態類而言，可以給 self 綁定哪些屬性、以及類型是什么，都已經事先在 tp_members 里面寫死了，后續不可以新增或刪除屬性。
s = slice(1, 7, 2)# 靜態類的實例對象不可以新增或刪除屬性try: s.xx = "xx"except AttributeError as e: print(e) """ 'slice' object has no attribute 'xx' """# 至于能否修改，則看定義屬性時是否要求屬性是 READONLY# 對于 slice 來說，它的三個屬性都是 READONLY，所以不能修改try: s.start = 2except AttributeError as e: print(e) """ readonly attribute """但使用 class 自定義的動態類而言，新增、刪除、修改屬性都是可以的，至于里面的更多細節，后續在介紹類的時候會詳細剖析。
指向一個 PyGetSetDef 結構體數組，里面的每個結構體都定義了一個屬性的名稱、獲取該屬性的函數、設置該屬性的函數、屬性的文檔字符串。
所以我們發現 tp_getset 的作用不就類似于 @property 裝飾器嗎？tp_getset 數組里面的每個結構體負責實現一個 property 屬性。
對應 Python 中類型對象的 __base__，返回繼承的第一個父類。
對應 Python 中類型對象的 __dict__，即屬性字典。
對應 Python 中類型對象的 __get__ 和 __set__，用于實現描述符。
注意它和 tp_dict 的區別，tp_dict 表示類型對象的屬性字典，而 tp_dictoffset 表示實例對象的屬性字典在實例對象中的偏移量。關于屬性字典，后續會詳細介紹。
對應 Python 中類型對象的 __init__，用于實例對象屬性的初始化。
負責為實例對象申請內存，申請多大呢？取決于 tb_basicsize 和 tp_itemsize。
對應 Python 中類型對象的 __new__，即構造函數，在 tp_new 內部會調用 tp_alloc 為實例對象申請內存。
內存釋放函數，負責釋放實例對象所占的內存，注意它和 tp_dealloc 的區別與聯系。tp_dealloc 表示析構函數，當對象的引用計數降到零的時候執行，內部會負責如下工作。
所以要注意這幾個字段之間的區別，我們再總結一下。
指示該類型對象的實例對象是否參與垃圾回收。
如果參與垃圾回收，那么 tp_flags & Py_TPFLAGS_HAVE_GC 的結果不等于 0。
對應 Python 中類型對象的 __bases__，返回一個元組，里面包含直接繼承的所有父類。
對應 Python 中類型對象的 __mro__，返回一個元組，里面包含自身以及直接繼承和間接繼承的所有父類，直到 object。
注意：返回的元組中的類是有順序關系的，它基于 C3 線性化算法生成，定義了方法解析的順序。當 Python 需要查找方法或屬性時，將按照此順序進行搜索。
該字段不再使用，因此這里不做介紹。
等價于 Python 中類型對象的 __subclasses__，會返回繼承該類的所有子類。
class A: passclass B(A): passclass C(B): passprint(A.__subclasses__())"""[<class '__main__.B'>]"""但是只返回直接繼承的子類，間接繼承的不算，比如這里只返回了 B，而 C 沒有返回。
實例對象的弱引用列表，注意：每個實例對象都會有，而前面還提到了一個 tp_weaklistoffset，它便是弱引用列表在實例對象當中的偏移量。如果偏移量為 0，那么表示當前類型對象的實例對象不支持弱引用。
和 tp_dealloc 作用相同，但 tp_del 主要是兼容以前的舊版本，現在直接使用 tp_dealloc 即可。
用于標記類型對象的版本，每當類型的定義發生變化時（例如添加、刪除或修改成員函數），這個版本標簽就會更新。解釋器會使用這個版本標簽來確定方法緩存是否有效，從而避免在每次方法調用時都重新解析和查找。
負責在對象被銷毀之前執行相應的清理操作，確保資源得到妥善處理，它的調用時機在對象的引用計數達到零之后、tp_dealloc（負責釋放對象的內存）被調用之前。
該字段不常用，一般只出現在生成器和協程當中。然后 tp_dealloc、tp_del、tp_finalize 三個字段的類型是一致的，都是 destructor 類型，那么它們三者有什么區別呢？
以上就是 PyTypeObject 的各個字段的含義。
下面來介紹一些常見的類型在底層的定義。
Python 底層的 C API 和對象的命名都遵循統一的標準，比如類型對象均以 Py***_Type 的形式命名，當然啦，它們都是 PyTypeObject 結構體實例。
所以我們發現，Python 里的類在底層是以全局變量的形式靜態定義好的。
所以實例對象可以有很多個，但類型對象則是唯一的，在底層直接以全局變量的形式靜態定義好了。
比如列表的類型是 list，列表可以有很多個，但 list 類型對象則全局唯一。
data1 = [1, 2, 3]data2 = [4, 5, 6]print( data1.__class__ is data2.__class__ is list) # True如果站在 C 的角度來理解的話：
data1 和 data2 變量均指向了列表，列表在底層對應 PyListObject 結構體實例。里面字段的含義之前說過，但需要注意的是，指針數組里面保存的是對象的指針，而不是對象。不過為了方便，圖中就用對象代替了。
然后列表的類型是 list，在底層對應 PyList_Type，它是 PyTypeObject 結構體實例，保存了列表的元信息（比如內存分配信息、支持的相關操作等）。
而將這兩者關聯起來的便是 ob_type，它位于 PyObject 中，是所有對象都具有的。因為變量只是一個 PyObject * 指針，那么解釋器要如何得知變量指向的對象的類型呢？答案便是通過 ob_type 字段。
類型對象全局唯一，在底層以全局變量的形式存在，不管是什么類型對象，均由 PyTypeObject 結構體實例化得到，而不同的實例對象則對應不同的結構體。
將實例對象和類型對象關聯起來的，則是實例對象的 ob_type 字段，在 Python 里面可以通過調用 type 或者獲取 __class__ 屬性查看。
關于類型對象的更多內容，后續會繼續介紹。
本文鏈接：http://m.www897cc.com/showinfo-26-88309-0.html詳解 PyTypeObject，Python 類型對象的載體
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號