Python深度探索（1）：內(nèi)存管理機(jī)制

任何編程語(yǔ)言都會(huì)有一個(gè)內(nèi)存模型，以便管理為變量分配的內(nèi)存空間。不同的編程語(yǔ)言，如C、C++、Java、C#，Python，它們的內(nèi)存模型都是不相同的，本文將以現(xiàn)在最流行的Python語(yǔ)言為例，來(lái)說(shuō)明動(dòng)態(tài)類型語(yǔ)言的內(nèi)存管理方式。

1. 重復(fù)使用內(nèi)存空間

賦值語(yǔ)句是Python語(yǔ)言中最簡(jiǎn)單的語(yǔ)句之一，雖然賦值語(yǔ)言很簡(jiǎn)單，但卻內(nèi)含玄機(jī)。

例如，將一個(gè)值賦給一個(gè)變量是最常見的賦值操作。

n = 1 # 將1賦給變量n

整數(shù)1是一個(gè)值，而n是一個(gè)對(duì)象。這是最簡(jiǎn)單不過(guò)的賦值語(yǔ)句了。那么在內(nèi)存中是如何操作的呢？其實(shí)在Python中，任何值都可以看做是一個(gè)對(duì)象，例如，1是int類的實(shí)例，True是bool類的實(shí)例。所以將1賦給變量n，其實(shí)是n指向了int類型的對(duì)象，所以n本質(zhì)上就是一個(gè)對(duì)象的引用。

Python作為動(dòng)態(tài)語(yǔ)言，采用了引用與對(duì)象分離的策略，這也使得任何引用都可以指向任何對(duì)象，而且可以動(dòng)態(tài)改變引用指向的對(duì)象類型，也就是說(shuō)，可以將一個(gè)指向int類型的對(duì)象的引用重新指向bool類型的對(duì)象。所以可以將Python語(yǔ)言的對(duì)象模型看做是超市里的儲(chǔ)物柜（這里只是用儲(chǔ)物柜作為內(nèi)存模型的比喻，不要與超市儲(chǔ)物柜實(shí)際的操作進(jìn)行比較）。

每一個(gè)小柜子相當(dāng)于一塊內(nèi)存區(qū)域，這塊內(nèi)存區(qū)域保存了不同類型的值。對(duì)于像C++、Java一樣的靜態(tài)語(yǔ)言，一旦分配了某一個(gè)小柜子，就意味著這個(gè)柜子只能保存特定的物品，如只能放鞋子、只能放手套、只能放衣服。而對(duì)于打開小柜子的鑰匙（相當(dāng)于變量），同時(shí)也只能打開某一個(gè)特定的小柜子，相當(dāng)于一個(gè)變量同時(shí)只能指向一個(gè)對(duì)象一樣。當(dāng)然，在鑰匙上進(jìn)行設(shè)置后，該鑰匙可以指向其他同類型的小柜子（相當(dāng)于改變變量指向的對(duì)象，如將一個(gè)指向int類型對(duì)象的變量指向了另外一個(gè)int類型的對(duì)象）。

不過(guò)Python語(yǔ)言就不一樣了。在Python版的儲(chǔ)物柜中，每一個(gè)小柜子并不限定存儲(chǔ)物品的類型，而一把鑰匙經(jīng)過(guò)設(shè)置后，可以打開任意一個(gè)小柜子（相當(dāng)于任意改變變量指向的對(duì)象）。這樣做的好處是更靈活，沒(méi)必要為存儲(chǔ)特定的物品，增加新的儲(chǔ)物柜，只要還有空的小柜子，就可以放任何物品。但缺點(diǎn)也很明顯，就是打開一個(gè)小柜子后，需要多進(jìn)行一步判斷的操作，判斷這個(gè)小柜子到底是存儲(chǔ)的什么物品。

當(dāng)然，對(duì)于同一個(gè)特定的小柜子，可能會(huì)配有多把鑰匙，這些鑰匙都可以打開這個(gè)特定的小柜子，這就相當(dāng)于多個(gè)變量指向同一個(gè)對(duì)象。例如，

x = 10y = 10z = 10

x、y和z三個(gè)變量的值都是10，這個(gè)10就相當(dāng)于要保存在小柜子中的物品。x、y和z相當(dāng)于3把鑰匙。而3個(gè)變量中的值都是10，所以被認(rèn)為是同一個(gè)值（物品），因此，就只需要?jiǎng)佑靡粋€(gè)小柜子保存10，而3個(gè)變量都會(huì)指向這個(gè)小柜子（由于計(jì)算機(jī)中值具有無(wú)限可復(fù)制性，所以只要有一個(gè)物品，就可以無(wú)限復(fù)制，所以不必考慮現(xiàn)實(shí)中將小柜子中的東西拿走了就為空的情況）。所以其實(shí)x、y和z這3個(gè)變量指向了同一個(gè)內(nèi)存地址（相當(dāng)于小柜子的序號(hào)）。可以用id函數(shù)驗(yàn)證這3個(gè)變量的內(nèi)存地址是否相同，代碼如下：

print(id(x))print(id(y))print(id(z))

輸出結(jié)果如下：

4470531424

4470531424

4470531424

也可以用下面的代碼將內(nèi)存地址轉(zhuǎn)換為十六進(jìn)制形式。

print(hex(id(x)))print(hex(id(y)))print(hex(id(z)))

輸出結(jié)果如下：

0x10a76e560

0x10a76e560

0x10a76e560

根據(jù)前面的輸出結(jié)果，很顯然，x、y和z指向的是同一個(gè)內(nèi)存地址。讀者可以將10換成其他的對(duì)象，如True、10.12、"hello world"，結(jié)果都是一樣（由于機(jī)器不同，輸出的內(nèi)存地址可能不同，但3個(gè)變量的內(nèi)存地址肯定都是相同的）。

也可以用is運(yùn)算符判斷這3個(gè)變量是否指向同一個(gè)值。

print(x is y is z) # 輸出結(jié)果：True

但要注意，只有不可變類型，如int、float、bool、string等，才會(huì)使用同一個(gè)儲(chǔ)物柜。如果是可變類型，如列表、對(duì)象，每次都會(huì)分配新的內(nèi)存空間。這里的不可變是指值一旦確定，值本身無(wú)法修改。例如int類型的10，這個(gè)10是固定的，不能修改，如果修改成11，那么就是新的值了，需要申請(qǐng)新的小柜子。而列表，如空列表[]，以后還可以向空列表中添加任何類型的值，也可以修改和刪除列表中的值。所以沒(méi)有辦法為所有的空列表分配同一個(gè)小柜子，因?yàn)橛械目樟斜?，現(xiàn)在是空，以后不一定是空。所以每一個(gè)列表類型的值都會(huì)新分配一個(gè)小柜子，但元組就不同了，由于元組是只讀的，所以一開始是空的元組，那么這個(gè)元組今生今世將永遠(yuǎn)是空，所以可以為所有的空元組，以及所有相同元素個(gè)數(shù)和值的元組分配同一個(gè)小柜子。看下面代碼：

class MyClass:passa = []
b = []
c = MyClass()
d = MyClass()
t1 = (1,2,3)
t2 = (1,2,3)print(a is b) # False 元素個(gè)數(shù)和類型相同的列表不會(huì)使用同一個(gè)內(nèi)存空間（小柜子）print(c is d) # False MyClass類的不同實(shí)例不會(huì)使用同一個(gè)內(nèi)存空間（小柜子）print(t1 is t2) # True 元素個(gè)數(shù)和類型相同的元組會(huì)使用同一個(gè)內(nèi)存空間（小柜子）

這種將相同，但不可變的值保存在同一個(gè)內(nèi)存空間的方式也稱為值的緩存，這樣做非常節(jié)省內(nèi)存空間，而且程序的執(zhí)行效率更高。因?yàn)槭∪チ舜罅糠峙鋬?nèi)存空間的時(shí)間。

2. 引用計(jì)數(shù)器

在Python語(yǔ)言中是無(wú)法自己釋放變量?jī)?nèi)存的，所以Python虛擬機(jī)提供了自動(dòng)回收內(nèi)存的機(jī)制，那么Python虛擬機(jī)是如何知道哪一個(gè)變量占用的內(nèi)存可以被回收呢？通常的做法是為每一塊被占用的內(nèi)存設(shè)置一個(gè)引用計(jì)數(shù)器，如果該內(nèi)存塊沒(méi)有被任何變量引用（也就是引用計(jì)數(shù)器為0），那么該內(nèi)存塊就可以被釋放，否則無(wú)法被釋放。

在sys模塊中有一個(gè)getrefcount函數(shù)，可以用來(lái)獲取任何變量指向的內(nèi)存塊的引用計(jì)數(shù)器當(dāng)前的值。用法如下：

from sys import getrefcount

a = [1, 2, 3]print(getrefcount(a)) # 輸出2 b = aprint(getrefcount(b)) # 輸出3print(getrefcount(a)) # 輸出3 x = 1print(getrefcount(x)) #輸出1640y = 1print(getrefcount(x)) # 輸出1641print(getrefcount(y)) # 輸出1641

要注意，使用getrefcount函數(shù)獲得引用計(jì)數(shù)器的值時(shí)，實(shí)際上會(huì)創(chuàng)建一個(gè)臨時(shí)的引用，所以getrefcount函數(shù)返回的值會(huì)比實(shí)際的值多1。而對(duì)于具體的值（如本例的1），系統(tǒng)可能在很多地方都引用了該值，所以根據(jù)Python版本和當(dāng)前運(yùn)行的應(yīng)用不同，getrefcount函數(shù)返回的值是不確定的。

3. 對(duì)象引用

像C++這樣的編程語(yǔ)言，對(duì)象的傳遞分為值傳遞和指針傳遞。如果是值傳遞，就會(huì)將對(duì)象中的所有成員屬性的值都一起復(fù)制，而指針傳遞，只是復(fù)制了對(duì)象的內(nèi)存首地址。不過(guò)在Python中，并沒(méi)有指針的概念。只有一個(gè)對(duì)象引用。也就是說(shuō)，Python語(yǔ)言中對(duì)象的復(fù)制與C++中的對(duì)象指針復(fù)制是一樣的。只是將對(duì)象引用計(jì)數(shù)器加1而已。具體看下面的代碼：

from sys import getrefcount 
# 類的構(gòu)造方法傳入另外一個(gè)對(duì)象的引用class MyClass(object):def __init__(self, other_obj):
self.other_obj = other_obj # 這里的other_obj與后面的data指向了同一塊內(nèi)存地址 data = {'name':'Bill','Age':30}print(getrefcount(data)) # 輸出2my = MyClass(data)print(id(my.other_obj)) # 輸出4364264288print(id(data)) #輸出4364264288
 print(getrefcount(data)) # 輸出3

在Python中，一切都是對(duì)象，包括值。如1、2、3、"abcd"等。所以Python會(huì)在使用這些值時(shí)，先將其保存在一塊固定的內(nèi)存區(qū)域，然后將所有賦給這些值的變量指向這塊內(nèi)存區(qū)域，同時(shí)引用計(jì)數(shù)器加1。

例如，

a = 1

b = 1

其中a和b指向了同一塊內(nèi)存空間，這兩個(gè)變量其實(shí)都保存了對(duì)1的引用。使用id函數(shù)查看這兩個(gè)變量的引用地址是相同的。

4. 循環(huán)引用與拓?fù)鋱D

如果對(duì)象引用非常多，就可能會(huì)構(gòu)成非常復(fù)雜的拓?fù)浣Y(jié)果。例如，下面代碼的引用拓?fù)潢P(guān)系就非常復(fù)雜。估計(jì)大多數(shù)同學(xué)都無(wú)法一下子看出這段程序中各個(gè)對(duì)象的拓?fù)潢P(guān)系。

class MyClass1:def __init__(self, obj):
self.obj = obj 
class MyClass2:def __init__(self,obj1,obj2):
self.obj1 = obj1
self.obj2 = obj2

data1 = ['hello', 'world']
data2 = [data1, MyClass1(data1),3,dict(data = data1)]
data3 = [data1,data2,MyClass2(data1,data2),MyClass1(MyClass2(data1,data2))]

看不出來(lái)也不要緊，可以使用objgraph模塊繪制出某個(gè)變量與其他變量的拓?fù)潢P(guān)系，objgraph是第三方模塊，需要使用pip install objgraph命令安裝，如果機(jī)器上安裝了多個(gè)Python環(huán)境，要注意看看pip命令是否屬于當(dāng)前正在使用的Python環(huán)境，不要將objgraph安裝在其他的Python環(huán)境中。

安裝完objgraph后，可以使用下面命令看看data3與其他對(duì)象的引用關(guān)系。

import objgraph
objgraph.show_refs([data3], filename='對(duì)象引用關(guān)系.png')

show_refs函數(shù)會(huì)在當(dāng)前目錄下生成一個(gè)”對(duì)象引用關(guān)系.png“的圖像文件，如下圖所示。

如果對(duì)象之間互相引用，有可能會(huì)形成循環(huán)引用。也就是a引用b，b引用a，見下面的代碼。

import objgraphfrom sys import getrefcount
a = {}
b = {'data':a}
a['value'] = b
objgraph.show_refs([b], filename='循環(huán)引用1.png')

在這段代碼中。a和b都是一個(gè)字典，b中的一個(gè)value引用了a，而a的一個(gè)value引用了b，所以產(chǎn)生了一個(gè)循環(huán)引用。這段代碼的引用拓?fù)鋱D如下：

很明顯，這兩個(gè)字典是循環(huán)引用的。

不光是多個(gè)對(duì)象之間的引用可以產(chǎn)生循環(huán)引用，只有一個(gè)對(duì)象也可以產(chǎn)生循環(huán)引用，代碼如下：

a = {}
a['value'] = a
a = []
a.append(a)print(getrefcount(a))
objgraph.show_refs([a], filename='循環(huán)引用2.png')

在這段代碼中，字典a的一個(gè)值是自身，拓?fù)鋱D如下：

5. 減少引用計(jì)數(shù)的兩種方法

前面一直說(shuō)讓引用計(jì)數(shù)器增加的方法，那么如何讓引用計(jì)數(shù)器減少呢？通常有如下兩種方法：

（1）用del刪除某一個(gè)引用

（2）將變量指向另外一個(gè)引用，或設(shè)置為None，也就是引用重定向。

用del刪除某一個(gè)引用

del語(yǔ)句可以刪除一個(gè)變量對(duì)某一個(gè)塊內(nèi)存空間的引用，也可以刪除集合對(duì)象中的某個(gè)item，代碼如下：

from sys import getrefcount

person = {'name':'Bill','age':40}
person1 = personprint(getrefcount(person1)) # 輸出3
 del person # 刪除person對(duì)字典的引用print(getrefcount(person1)) # 由于引用少了一個(gè)，所以輸出為2# print(person) # 拋出異常 # 被刪除的變量相當(dāng)于重來(lái)沒(méi)定義過(guò)，所以這條語(yǔ)句會(huì)拋出異常
 del person1['age'] # 刪除字典中key為age的值對(duì)print(person1)

引用重定向

from sys import getrefcount

value1 = [1,2,3,4]
value2 = value1
value3 = value2print(getrefcount(value2)) # 輸出4value1 = 20print(getrefcount(value2)) # 輸出3，因?yàn)関alue1重新指向了20value3 = Noneprint(getrefcount(value2)) # 輸出2，因?yàn)関alue3被設(shè)置為None，也就是不指向任何內(nèi)存空間，相當(dāng)于空指針

6. 垃圾回收

像Java、JavaScript、Python這樣的編程語(yǔ)言，都不允許直接通過(guò)代碼釋放變量占用的內(nèi)存，虛擬機(jī)會(huì)自動(dòng)釋放這些內(nèi)存區(qū)域。所以很多程序員就會(huì)認(rèn)為在這些語(yǔ)言中可以放心大膽地申請(qǐng)各種類型的變量，并不用擔(dān)心變量的釋放問(wèn)題，因?yàn)橄到y(tǒng)會(huì)自動(dòng)替我們完成這些煩人的工作。

沒(méi)錯(cuò)，這些語(yǔ)言的虛擬機(jī)會(huì)自動(dòng)釋放一些不需要的內(nèi)存塊，用專業(yè)術(shù)語(yǔ)描述就是：垃圾回收。 相當(dāng)于為系統(tǒng)減肥或減負(fù)。因?yàn)椴还苣愕挠?jì)算機(jī)有多少內(nèi)存，只要不斷創(chuàng)建新的變量，哪怕該變量只占用了1個(gè)字節(jié)的內(nèi)存空間，內(nèi)存也有用完的一天。所以虛擬機(jī)會(huì)在適當(dāng)?shù)臅r(shí)候釋放掉不需要的內(nèi)存塊。

在前面已經(jīng)提到過(guò)，虛擬機(jī)會(huì)回收引用計(jì)數(shù)為0的內(nèi)存塊，因?yàn)檫@些內(nèi)存塊沒(méi)有任何變量指向他們，所以留著沒(méi)有任何意義。那么到底虛擬機(jī)在什么時(shí)候才會(huì)回收這些內(nèi)存塊呢？通常來(lái)講，虛擬機(jī)會(huì)設(shè)置一個(gè)內(nèi)存閾值，一旦超過(guò)了這個(gè)閾值，就會(huì)自動(dòng)啟動(dòng)垃圾回收器來(lái)回收不需要的內(nèi)存空間。對(duì)于不同編程語(yǔ)言的這個(gè)閾值是不同的。對(duì)于Python來(lái)說(shuō)，會(huì)記錄其中分配對(duì)象(object allocation)和取消分配對(duì)象(object deallocation)的次數(shù)。當(dāng)兩者的差值高于某個(gè)閾值時(shí)，垃圾回收才會(huì)啟動(dòng)。

我們可以通過(guò)gc模塊的get_threshold()方法，查看該閾值:

import gcprint(gc.get_threshold())

輸出的結(jié)果為：

(700, 10, 10)

這個(gè)700就是這個(gè)閾值。后面的兩個(gè)10是與分代回收相關(guān)的閾值，后面會(huì)詳細(xì)介紹?？梢允褂胓c模塊中的set_threshold方法設(shè)置這個(gè)閾值。

由于垃圾回收是一項(xiàng)昂貴的工作，所以如果計(jì)算機(jī)的內(nèi)存足夠大，可以將這個(gè)閾值設(shè)置的大一點(diǎn)，這樣可以避免垃圾回收器頻繁調(diào)用。

當(dāng)然，如果覺得必要，也可以使用下面的代碼手工啟動(dòng)垃圾回收器。不過(guò)要注意，手工啟動(dòng)垃圾回收器后，垃圾回收器也不一定會(huì)立刻啟動(dòng)，通常會(huì)在系統(tǒng)空閑時(shí)啟動(dòng)垃圾回收器。

gc.collect()

7. 變量不用了要設(shè)置為None

有大量?jī)?nèi)存被占用，是一定要被釋放的。但釋放這些內(nèi)存有一個(gè)前提條件，就是這個(gè)內(nèi)存塊不能有任何變量引用，也就是引用計(jì)數(shù)器為0。如果有多個(gè)變量指向同一個(gè)內(nèi)存塊，而且有一些變量已經(jīng)不再使用了，一個(gè)好的習(xí)慣是將變量設(shè)置為None，或用del刪除該變量。

person = {'Name':'Bill'}
value = [1,2,3]del person
value = None

當(dāng)刪除person變量，以及將value設(shè)置為None后，就不會(huì)再有任何變量指向字典和列表了，所以字典和列表占用的內(nèi)存空間會(huì)被釋放。

8. 解決循環(huán)引用的回收問(wèn)題

在前面講了Python GC（垃圾回收器）的一種算法策略，就是引用計(jì)數(shù)法，這種方法是Python GC采用的主要方法。不過(guò)這種策略也有其缺點(diǎn)。下面就看一下引用計(jì)數(shù)法的優(yōu)缺點(diǎn)。

優(yōu)點(diǎn)：簡(jiǎn)單，實(shí)時(shí)（一旦為0就會(huì)立刻釋放內(nèi)存空間，毫不猶豫）

缺點(diǎn)： 維護(hù)性高（簡(jiǎn)單實(shí)時(shí)，但是額外占用了一部分資源，雖然邏輯簡(jiǎn)單，但是麻煩。好比你吃草莓，吃一次洗一下手，而不是吃完洗手。），不能解決循環(huán)引用的問(wèn)題。

那么Python到底是如何解決循環(huán)引用釋放的問(wèn)題呢？先看下面的代碼。

import objgraphfrom sys import getrefcount
a = {}
b = {'data':a}
a['value'] = bdel adel b

在這段代碼中，很明顯，a和b互相引用。最后通過(guò)del語(yǔ)句刪除a和b。由于a和b是循環(huán)引用，如果按前面引用計(jì)數(shù)器的方法，在刪除a和b之前，兩個(gè)字典分別由兩個(gè)引用（引用計(jì)數(shù)器為2），一個(gè)是自身引用，另一個(gè)是a或b中的value引用的自己。如果只是刪除了a和b，似乎這兩個(gè)字典各自還剩一個(gè)引用。但其實(shí)這兩個(gè)字典的內(nèi)存空間已經(jīng)釋放。那么Python是如何做到的呢？

其實(shí)Python GC在檢測(cè)所有引用時(shí)，會(huì)檢測(cè)哪些引用之間是循環(huán)引用，如果檢測(cè)到某些變量之間循環(huán)引用，例如，a引用b，b引用a，就會(huì)在檢測(cè)a時(shí)，將b的引用計(jì)數(shù)器減1，在檢測(cè)b時(shí)，會(huì)將a的引用計(jì)數(shù)器減1。也就是說(shuō)，Python GC當(dāng)發(fā)現(xiàn)某些引用是循環(huán)引用后，會(huì)將這些引用的計(jì)數(shù)器多減一個(gè)1。所以這些循環(huán)引用指向的空間仍然會(huì)被釋放。

9. 分代回收

如果是多年的朋友，或一起做了多年的生意，有多年的業(yè)務(wù)往來(lái)，往往會(huì)產(chǎn)生一定的信任。通常來(lái)講，合作的時(shí)間越長(zhǎng)，產(chǎn)生的信任感就會(huì)越深。Python GC采用的垃圾回收策略中，也會(huì)使用這種信任感作為輔助算法，讓GC運(yùn)行得更有效率。這種策略就是分代（generation）回收。

分代回收的策略有一個(gè)基本假設(shè)，就是存活的越久，越可能被經(jīng)常使用，所以出于信任和效率，對(duì)這些“長(zhǎng)壽”對(duì)象給予特殊照顧，在GC對(duì)所有對(duì)象進(jìn)行檢測(cè)時(shí)，就會(huì)盡可能少地檢測(cè)這些“長(zhǎng)壽”對(duì)象。就是現(xiàn)在有很多企業(yè)是免檢企業(yè)一樣，政府出于對(duì)這些企業(yè)的信任，給這些企業(yè)生產(chǎn)出的產(chǎn)品予以免檢的特殊優(yōu)待。

那么Python對(duì)什么樣的對(duì)象會(huì)給予哪些特殊照顧呢？Python將對(duì)象共分為3代，分別用0、1、2表示。任何新創(chuàng)建的對(duì)象是0代，不會(huì)給予任何特殊照顧，當(dāng)某一個(gè)0代對(duì)象經(jīng)過(guò)若干次垃圾回收后仍然存活，那么就會(huì)將這個(gè)對(duì)象歸入1代對(duì)象，如果這個(gè)1代對(duì)象，再經(jīng)過(guò)若干次回收后，仍然存活，就會(huì)將該對(duì)象歸為2代對(duì)象。

在前面的描述中，涉及到一個(gè)“若干次”回收，那么這個(gè)“若干次”是指什么呢？在前面使用get_threshold函數(shù)獲取閾值時(shí)返回了(700,10,10），這個(gè)700就是引用計(jì)數(shù)策略的閾值，而后面的兩個(gè)10與分代策略有關(guān)。第1個(gè)10是指第0代對(duì)象經(jīng)過(guò)了10次垃圾回收后仍然存在，就會(huì)將其歸為第1代對(duì)象。第2個(gè)10是指第1代對(duì)象經(jīng)過(guò)了10次垃圾回收后仍然存在，就會(huì)將其歸為第2代對(duì)象。也就是說(shuō)，GC需要執(zhí)行100次，才會(huì)掃描到第2代對(duì)象。當(dāng)然，也可以通過(guò)set_threshold函數(shù)來(lái)調(diào)整這些值。

import gc 
gc.set_threshold(600, 5, 6)

總結(jié)

本文主要講了Python如何自動(dòng)釋放內(nèi)存。主要有如下3種策略：

1. 引用計(jì)數(shù)策略（為0時(shí)釋放）

2. 循環(huán)引用策略（將相關(guān)引用計(jì)數(shù)器多減1）

3. 分代策略（解決了GC的效率問(wèn)題）

通過(guò)這些策略的共同作用，可以讓Python更加有效地管理內(nèi)存，更進(jìn)一步地提高Python的性能。

獲取更多學(xué)習(xí)資源，可以關(guān)注“極客起源”公眾號(hào)