楔子 通过 PyObject 和 PyVarObject,我们看到了所有对象的公共信息以及变长对象的公共信息。任何一个对象,不管它是什么类型,内部必有引用计数(ob_refcnt)和类型指针(ob_type)。任何一个变长对象,不管它是什么类型,内部除了引用计数和类型指针之外,还有一个表示元素个数的 ob_size。 显然目前没有什么问题,一切都是符合预期的,但是当我们顺着时间轴回溯的话,就会发现端倪。比如:
想都不用想,这些信息肯定都在对象的类型对象中。因为占用的空间大小实际上是对象的一个元信息,这样的元信息和其所属类型是密切相关的,因此它一定会出现在与之对应的类型对象当中。 至于支持的操作就更不用说了,我们平时自定义类的时候,功能函数都写在什么地方,显然都是写在类里面,因此一个对象支持的操作也定义在类型对象当中。 而将对象和它的类型对象关联起来的,毫无疑问正是该对象内部的 PyObject 的 ob_type 字段,也就是类型指针。我们通过对象的 ob_type 字段即可获取类型对象的指针,然后通过指针获取存储在类型对象中的某些元信息。 下面我们来看看类型对象在底层是怎么定义的。 解密 PyTypeObject PyObject 的 ob_type 字段的类型是 PyTypeObject *,所以类型对象由 PyTypeObject 结构体负责实现,看一看它长什么样子。
类型对象在底层对应的是 struct _typeobject,或者说 PyTypeObject,它保存了实例对象的元信息。 所以不难发现,Python 中实例对象在底层会对应不同的结构体实例,但类型对象则是对应同一个结构体实例。换句话说无论是 int、str、dict 等内置类型,还是我们使用 class 关键字自定义的类型,它们在 C 的层面都是由 PyTypeObject 这个结构体实例化得到的,只不过内部字段的值不同,PyTypeObject 这个结构体在实例化之后得到的类型对象也不同。 然后我们来看看 PyTypeObject 里面的字段都代表啥含义,字段还是比较多的,我们逐一介绍。 PyObject_VAR_HEAD 宏,会被替换为 PyVarObject,所以类型对象是一个变长对象。因此类型对象也有引用计数和类型,这与我们前面分析的是一致的。 tp_name 对应 Python 中类型对象的 __name__ 属性,即类型对象的名称。
所以任何一个类型对象都有 __name__ 属性,也就是都有名称。 tp_basicsize,tp_itemsize
tp_dealloc 析构函数,对应 Python 中类型对象的 __del__,会在实例对象被销毁时执行。 tp_vectorcall_offset 如果想调用一个对象,那么它的类型对象要定义 __call__ 函数。
以上就是对象最通用的调用逻辑,但通用也意味着平庸,这种调用方式的性能是不高的。自定义类的实例对象还好,因为需要支持调用的场景不多,而函数则不同,尽管它也是实例对象,但它生下来就是要被调用的。 如果函数调用也走通用逻辑的话,那么效率不高,因此 Python 从 3.8 开始引入了 vectorcall 协议,即矢量调用协议,用于优化和加速函数调用。至于它是怎么优化的,后续剖析函数的时候再细说。 总之当一个对象被调用时,如果它支持 vectorcall 协议,那么会通过 tp_vectorcall_offset 找到实现矢量调用的函数指针。 注意:vectorcall 函数指针定义在实例对象中,所以 tp_vectorcall_offset 字段维护了 vectorcall 函数指针在实例对象中的偏移量,该偏移量用于定位到一个特定的函数指针,这个函数指针符合 vectorcall 协议。 如果类型对象的 tp_vectorcall_offset 为 0,表示其实例对象不支持矢量调用,因此会退化为常规调用,即通过 __call__ 进行调用。 tp_getattr,tp_setattr 对应 Python 中类型对象的 __getattr__ 和 __setattr__,用于操作实例对象的属性。但这两个字段已经不推荐使用了,因为它要求在操作属性时,属性名必须为 C 字符串,以及不支持通过描述符协议处理属性。 所以这两个字段主要用于兼容旧版本,现在应该使用 tp_getattro 和 tp_setattro。 tp_as_number、tp_as_sequence、tp_as_mapping、tp_as_async tp_as_number:实例对象为数值时,所支持的操作。这是一个结构体指针,指向的结构体中的每一个字段都是一个函数指针,指向的函数就是对象可以执行的操作,比如四则运算、左移、右移、取模等等。 tp_as_sequence:实例对象为序列时,所支持的操作,也是一个结构体指针。 tp_as_mapping:实例对象为映射时,所支持的操作,也是一个结构体指针。 tp_as_async:实例对象为协程时,所支持的操作,也是一个结构体指针。 tp_repr、tp_str 对应 Python 中类型对象的 __repr__ 和 __str__,用于控制实例对象的打印输出。 tp_hash 对应 Python 中类型对象的 __hash__,用于定义实例对象的哈希值。 tp_call 对应 Python 中类型对象的 __call__,用于控制实例对象的调用行为。当然这属于常规调用,而对象不仅可以支持常规调用,还可以支持上面提到的矢量调用(通过减少参数传递的开销,提升调用性能)。 但要注意的是,不管使用哪种调用协议,对象调用的行为必须都是相同的。因此一个对象如果支持矢量调用,那么它也必须支持常规调用,换句话说对象如果实现了 vectorcall,那么它的类型对象也必须实现 tp_call。
tp_getattro,tp_setattro 对应 Python 中类型对象的 __getattr__ 和 __setattr__。 tp_as_buffer 指向 PyBufferProcs 类型的结构体,用于共享内存。通过暴露出一个缓冲区,可以和其它对象共享同一份数据,因此当类型对象实现了 tp_as_buffer,我们也说其实例对象实现了缓冲区协议,举个例子。
所以 tp_as_buffer 主要用于那些自身包含大量数据,且需要允许其它对象直接访问的类型。通过实现缓冲区协议,其它对象可以直接共享数据,而无需事先拷贝,这在处理大型数据或进行高性能计算时非常有用。 关于缓冲区协议,后续还会详细介绍。 tp_flags 对应 Python 中类型对象的 __flags__,负责提供类型对象本身的附加信息,通过和指定的一系列标志位进行按位与运算,即可判断该类型是否具有某个特征。 那么标志位都有哪些呢?我们介绍几个常见的。
我们通过 Python 来演示一下。
所以这就是 tp_flags 的作用,它负责描述一个类型对象都具有哪些额外特征。 tp_doc 对应 Python 中类型对象的 __doc__。
这个比较简单。 tp_traverse,tp_clear 这两个字段是一对,负责参与垃圾回收机制。
tp_richcompare 负责实现对象的比较逻辑,包含 >、>=、<、<=、!=、==。 tp_weaklistoffset 弱引用列表的偏移量。 tp_iter、tp_iternext 对应 Python 中类型对象的 __iter__ 和 __next__。 tp_methods 负责保存类型对象里的成员函数,我们以 list 为例。 tp_members 负责指定可以绑定在实例对象上的属性,我们使用 class 关键字定义动态类的时候,会在 __init__ 函数中给实例对象绑定属性,而对于底层 C 来说,需要通过 tp_members 字段。 以 slice 为例,它负责创建一个切片。
slice 是一个底层实现好的静态类,接收 start、end、step 三个参数,所以它底层的 tp_members 就是这么定义的。 对于静态类而言,可以给 self 绑定哪些属性、以及类型是什么,都已经事先在 tp_members 里面写死了,后续不可以新增或删除属性。
但使用 class 自定义的动态类而言,新增、删除、修改属性都是可以的,至于里面的更多细节,后续在介绍类的时候会详细剖析。 tp_getset 指向一个 PyGetSetDef 结构体数组,里面的每个结构体都定义了一个属性的名称、获取该属性的函数、设置该属性的函数、属性的文档字符串。
所以我们发现 tp_getset 的作用不就类似于 @property 装饰器吗?tp_getset 数组里面的每个结构体负责实现一个 property 属性。 tp_base 对应 Python 中类型对象的 __base__,返回继承的第一个父类。 tp_dict 对应 Python 中类型对象的 __dict__,即属性字典。 tp_descr_get、tp_descr_set 对应 Python 中类型对象的 __get__ 和 __set__,用于实现描述符。 tp_dictoffset 注意它和 tp_dict 的区别,tp_dict 表示类型对象的属性字典,而 tp_dictoffset 表示实例对象的属性字典在实例对象中的偏移量。关于属性字典,后续会详细介绍。 tp_init 对应 Python 中类型对象的 __init__,用于实例对象属性的初始化。 tp_alloc 负责为实例对象申请内存,申请多大呢?取决于 tb_basicsize 和 tp_itemsize。 tp_new 对应 Python 中类型对象的 __new__,即构造函数,在 tp_new 内部会调用 tp_alloc 为实例对象申请内存。 tp_free 内存释放函数,负责释放实例对象所占的内存,注意它和 tp_dealloc 的区别与联系。tp_dealloc 表示析构函数,当对象的引用计数降到零的时候执行,内部会负责如下工作。
所以要注意这几个字段之间的区别,我们再总结一下。 tp_is_gc 指示该类型对象的实例对象是否参与垃圾回收。 如果参与垃圾回收,那么 tp_flags & Py_TPFLAGS_HAVE_GC 的结果不等于 0。 tp_bases 对应 Python 中类型对象的 __bases__,返回一个元组,里面包含直接继承的所有父类。 tp_mro 对应 Python 中类型对象的 __mro__,返回一个元组,里面包含自身以及直接继承和间接继承的所有父类,直到 object。 注意:返回的元组中的类是有顺序关系的,它基于 C3 线性化算法生成,定义了方法解析的顺序。当 Python 需要查找方法或属性时,将按照此顺序进行搜索。 tp_cache 该字段不再使用,因此这里不做介绍。 tp_subclasses 等价于 Python 中类型对象的 __subclasses__,会返回继承该类的所有子类。
但是只返回直接继承的子类,间接继承的不算,比如这里只返回了 B,而 C 没有返回。 tp_weaklist 实例对象的弱引用列表,注意:每个实例对象都会有,而前面还提到了一个 tp_weaklistoffset,它便是弱引用列表在实例对象当中的偏移量。如果偏移量为 0,那么表示当前类型对象的实例对象不支持弱引用。 tp_del 和 tp_dealloc 作用相同,但 tp_del 主要是兼容以前的旧版本,现在直接使用 tp_dealloc 即可。 tp_version_tag 用于标记类型对象的版本,每当类型的定义发生变化时(例如添加、删除或修改成员函数),这个版本标签就会更新。解释器会使用这个版本标签来确定方法缓存是否有效,从而避免在每次方法调用时都重新解析和查找。 tp_finalize 负责在对象被销毁之前执行相应的清理操作,确保资源得到妥善处理,它的调用时机在对象的引用计数达到零之后、tp_dealloc(负责释放对象的内存)被调用之前。 该字段不常用,一般只出现在生成器和协程当中。然后 tp_dealloc、tp_del、tp_finalize 三个字段的类型是一致的,都是 destructor 类型,那么它们三者有什么区别呢?
以上就是 PyTypeObject 的各个字段的含义。 一些常见的类型对象 下面来介绍一些常见的类型在底层的定义。
Python 底层的 C API 和对象的命名都遵循统一的标准,比如类型对象均以 Py***_Type 的形式命名,当然啦,它们都是 PyTypeObject 结构体实例。 所以我们发现,Python 里的类在底层是以全局变量的形式静态定义好的。 所以实例对象可以有很多个,但类型对象则是唯一的,在底层直接以全局变量的形式静态定义好了。 比如列表的类型是 list,列表可以有很多个,但 list 类型对象则全局唯一。
如果站在 C 的角度来理解的话: data1 和 data2 变量均指向了列表,列表在底层对应 PyListObject 结构体实例。里面字段的含义之前说过,但需要注意的是,指针数组里面保存的是对象的指针,而不是对象。不过为了方便,图中就用对象代替了。 然后列表的类型是 list,在底层对应 PyList_Type,它是 PyTypeObject 结构体实例,保存了列表的元信息(比如内存分配信息、支持的相关操作等)。 而将这两者关联起来的便是 ob_type,它位于 PyObject 中,是所有对象都具有的。因为变量只是一个 PyObject * 指针,那么解释器要如何得知变量指向的对象的类型呢?答案便是通过 ob_type 字段。 小结 类型对象全局唯一,在底层以全局变量的形式存在,不管是什么类型对象,均由 PyTypeObject 结构体实例化得到,而不同的实例对象则对应不同的结构体。 将实例对象和类型对象关联起来的,则是实例对象的 ob_type 字段,在 Python 里面可以通过调用 type 或者获取 __class__ 属性查看。 关于类型对象的更多内容,后续会继续介绍。 |
|