استفاده از __slots__ در پایتون: بهینه‌سازی مصرف حافظه و سرعت

در پایتون، کلاس‌ها به طور پیش‌فرض از یک ساختار داده به نام دیکشنری (dictionary) برای ذخیره ویژگی‌های (attributes) اشیاء استفاده می‌کنند. این روش انعطاف‌پذیری بالایی را فراهم می‌کند، اما می‌تواند منجر به مصرف حافظه بیشتر و کاهش سرعت دسترسی به ویژگی‌ها شود. __slots__ یک ابزار قدرتمند در پایتون است که به شما امکان می‌دهد این رفتار پیش‌فرض را تغییر داده و مصرف حافظه و سرعت را بهینه‌سازی کنید. این مقاله به بررسی عمیق __slots__، نحوه کارکرد آن، مزایا و معایب آن و همچنین مثال‌های عملی می‌پردازد. این موضوع در دسته مفاهیم متوسط پایتون قرار می‌گیرد و برای توسعه‌دهندگانی که به دنبال بهبود عملکرد برنامه‌های خود هستند، بسیار مفید است.

دیکشنری‌ها و مصرف حافظه در کلاس‌های پایتون

هنگامی که یک کلاس در پایتون تعریف می‌شود، هر شیء (instance) از آن کلاس، یک دیکشنری برای ذخیره ویژگی‌های خود ایجاد می‌کند. این دیکشنری شامل کلیدهایی است که نام ویژگی‌ها هستند و مقادیر مربوط به آن‌ها. این روش بسیار انعطاف‌پذیر است، زیرا شما می‌توانید به راحتی ویژگی‌های جدیدی را به اشیاء اضافه کنید بدون اینکه نیاز به تغییر تعریف کلاس داشته باشید. با این حال، این انعطاف‌پذیری به قیمت مصرف حافظه بیشتر تمام می‌شود. هر دیکشنری سربار (overhead) خاص خود را دارد، از جمله حافظه مورد نیاز برای ذخیره کلیدها، مقادیر و ساختار داخلی دیکشنری. همچنین، دسترسی به ویژگی‌ها از طریق دیکشنری کمی کندتر از دسترسی مستقیم به حافظه است.

__slots__ چیست و چگونه کار می‌کند؟

__slots__ یک ویژگی خاص در پایتون است که به شما امکان می‌دهد به طور صریح لیستی از ویژگی‌هایی را که یک کلاس می‌تواند داشته باشد، تعریف کنید. هنگامی که از __slots__ استفاده می‌کنید، پایتون دیگر از دیکشنری برای ذخیره ویژگی‌ها استفاده نمی‌کند. در عوض، یک فضای حافظه ثابت برای هر ویژگی تعریف می‌کند. این کار باعث کاهش قابل توجه مصرف حافظه می‌شود، به خصوص برای کلاس‌هایی که تعداد زیادی شیء از آن‌ها ایجاد می‌شود. همچنین، دسترسی به ویژگی‌ها از طریق __slots__ سریع‌تر است، زیرا پایتون می‌تواند به طور مستقیم به حافظه اختصاص داده شده به هر ویژگی دسترسی پیدا کند.

نحوه استفاده از __slots__

برای استفاده از __slots__، کافی است یک لیست از نام ویژگی‌ها را به عنوان مقدار ویژگی __slots__ در تعریف کلاس قرار دهید. به عنوان مثال:

class Point:
    __slots__ = ['x', 'y']

    def __init__(self, x, y):
        self.x = x
        self.y = y

در این مثال، کلاس Point فقط می‌تواند ویژگی‌های x و y را داشته باشد. اگر سعی کنید ویژگی دیگری را به یک شیء از این کلاس اضافه کنید، یک خطای AttributeError رخ خواهد داد. توجه داشته باشید که __slots__ فقط برای ویژگی‌های تعریف شده در کلاس معتبر است. شما نمی‌توانید ویژگی‌های جدیدی را به صورت پویا (dynamically) به اشیاء اضافه کنید.

مزایای استفاده از __slots__

• کاهش مصرف حافظه: این مهم‌ترین مزیت استفاده از __slots__ است. با حذف دیکشنری و استفاده از فضای حافظه ثابت، مصرف حافظه به طور قابل توجهی کاهش می‌یابد.
• افزایش سرعت دسترسی به ویژگی‌ها: دسترسی به ویژگی‌ها از طریق __slots__ سریع‌تر از دسترسی به آن‌ها از طریق دیکشنری است.
• جلوگیری از ایجاد ویژگی‌های ناخواسته: __slots__ به شما امکان می‌دهد به طور صریح ویژگی‌های مجاز را تعریف کنید و از ایجاد ویژگی‌های ناخواسته جلوگیری کنید.

معایب استفاده از __slots__

• عدم انعطاف‌پذیری: __slots__ انعطاف‌پذیری کمتری نسبت به دیکشنری‌ها دارد. شما نمی‌توانید به راحتی ویژگی‌های جدیدی را به اشیاء اضافه کنید.
• عدم پشتیبانی از ارث‌بری چندگانه (multiple inheritance) در برخی موارد: استفاده از __slots__ در کلاس‌هایی که از ارث‌بری چندگانه استفاده می‌کنند، می‌تواند پیچیده باشد و در برخی موارد منجر به مشکلاتی شود.
• عدم پشتیبانی از متاداده (metadata): __slots__ از متاداده پشتیبانی نمی‌کند. شما نمی‌توانید اطلاعات اضافی را در مورد ویژگی‌ها ذخیره کنید.

مثال‌های عملی

مثال 1: مقایسه مصرف حافظه

import sys

class PointWithDict:
    def __init__(self, x, y):
        self.x = x
        self.y = y

class PointWithSlots:
    __slots__ = ['x', 'y']
    def __init__(self, x, y):
        self.x = x
        self.y = y

point_dict = PointWithDict(1, 2)
point_slots = PointWithSlots(1, 2)

print(f"اندازه شیء PointWithDict: {sys.getsizeof(point_dict)} بایت")
print(f"اندازه شیء PointWithSlots: {sys.getsizeof(point_slots)} بایت")

این مثال نشان می‌دهد که شیء PointWithSlots به طور قابل توجهی حافظه کمتری نسبت به شیء PointWithDict مصرف می‌کند.

مثال 2: استفاده از __slots__ در یک کلاس بزرگ

فرض کنید یک کلاس بزرگ دارید که تعداد زیادی شیء از آن ایجاد می‌شود. استفاده از __slots__ در این کلاس می‌تواند به طور قابل توجهی مصرف حافظه را کاهش دهد و عملکرد برنامه را بهبود بخشد.

class DataRecord:
    __slots__ = ['id', 'name', 'value1', 'value2', 'value3', 'value4', 'value5']

    def __init__(self, id, name, value1, value2, value3, value4, value5):
        self.id = id
        self.name = name
        self.value1 = value1
        self.value2 = value2
        self.value3 = value3
        self.value4 = value4
        self.value5 = value5

مثال 3: __weakref__ و __slots__

اگر نیاز به استفاده از weak references (ارجاعات ضعیف) به اشیاء دارید، باید `__weakref__` را به لیست `__slots__` اضافه کنید. در غیر این صورت، پایتون نمی‌تواند ارجاعات ضعیف را به درستی مدیریت کند.

class MyClass:
    __slots__ = ['x', '__weakref__']

    def __init__(self, x):
        self.x = x

چه زمانی از __slots__ استفاده کنیم؟

__slots__ برای کلاس‌هایی که شرایط زیر را دارند، مناسب است:

• تعداد زیادی شیء از کلاس ایجاد می‌شود.
• مصرف حافظه یک نگرانی مهم است.
• انعطاف‌پذیری کمتری مورد نیاز است.
• کلاس از ارث‌بری چندگانه پیچیده استفاده نمی‌کند.

نتیجه‌گیری

__slots__ یک ابزار قدرتمند در پایتون است که به شما امکان می‌دهد مصرف حافظه و سرعت را بهینه‌سازی کنید. با این حال، استفاده از آن نیازمند درک مزایا و معایب آن است. اگر به درستی از __slots__ استفاده کنید، می‌توانید عملکرد برنامه‌های پایتون خود را به طور قابل توجهی بهبود بخشید. در نهایت، تصمیم‌گیری در مورد استفاده از __slots__ به نیازهای خاص برنامه شما بستگی دارد.