从 Python 源码来分析列表的 Resize 机制

[[387994]]

“ resize 是增加列表开销的重要因素。”

Python 列表底层是通过存储对象指针的变长数组来实现的，使用数组带来的好处就是可以通过索引随机访问列表中的元素。

然而，由于 list 属于可变数据类型，我们可以动态地在 list 中增减元素，当底层数组不足以容纳新元素时，就要调整其大小了。这正是“变长”的含义所在。

那么，list 使用的变长数组是如何调整其大小呢?我们通过阅读 Python 源码来做下简单分析。

【列表初始内存分配机制】

先来了解一下，创建一个 list 时，list 底层数组是什么样子的。

list___init__() 是创建 list 对象的接口函数。它调用了 list___init___impl(self, iterable)。list___init___impl 接受一个 iterable 作为初始化源。这和我们通常初始化一个 list 对象的方式是一致的。

list___init___impl 做了哪些初始化工作呢?

list___init___impl() 首先将入参 self 指向的对象清空，原因是：Python 为提升创建 list 对象的效率，维护了一个 free_list 对象池。它可以回收不再使用的 list 对象，并重新分配给新 list 对象使用。

/* Empty list reuse scheme to save calls to malloc and free */ 
#ifndef PyList_MAXFREELIST 
#  define PyList_MAXFREELIST 80 
#endif 
 
static PyListObject *free_list[PyList_MAXFREELIST]; 
static int numfree = 0; 

这个 list 内存池的大小为 80.

如果 self 指向的是一个缓存池中的对象，则需要先将它清理干净。

然后，list___init___impl() 调用 list_preallocate_exact() 为 self 的变长数组分配一块内存，这个数组中元素的个数和 iterable 中元素的个数相同。

这样，list 对象使用的变长数组就创建好了。

【列表 resize 的实现算法】

那么，变长数组是使用什么算法来调整其大小呢?

这个逻辑是在 list_resize() 函数中实现的。先看代码。

static int 
list_resize(PyListObject *self, Py_ssize_t newsize) 
{ 
    PyObject **items; 
    size_t new_allocated, num_allocated_bytes; 
    Py_ssize_t allocated = self->allocated; 
 
    /*Step 1*/ 
    if (allocated >= newsize && newsize >= (allocated >> 1)) { 
        assert(self->ob_item != NULL || newsize == 0); 
        Py_SET_SIZE(self, newsize); 
        return 0; 
    } 
 
    /*Step 2*/ 
    new_allocated = ((size_t)newsize + (newsize >> 3) + 6) & ~(size_t)3; 
    /* Do not overallocate if the new size is closer to overalocated size 
     * than to the old size. 
     */ 
    if (newsize - Py_SIZE(self) > (Py_ssize_t)(new_allocated - newsize)) 
        new_allocated = ((size_t)newsize + 3) & ~(size_t)3; 
 
    if (newsize == 0) 
        new_allocated = 0; 
         
    /*Step 3*/ 
    num_allocated_bytes = new_allocated * sizeof(PyObject *); 
    items = (PyObject **)PyMem_Realloc(self->ob_item, num_allocated_bytes); 
    if (items == NULL) { 
        PyErr_NoMemory(); 
        return -1; 
    } 
     
    /*Step 4*/ 
    self->ob_item = items; 
    Py_SET_SIZE(self, newsize); 
    self->allocated = new_allocated; 
    return 0; 
} 

list_resize() 的处理逻辑为：

1. 先判断原 list 对象已分配的空间是否满足新需求：大于 newsize，且不超过 newsize 的两倍(超过 newsize 两倍时，需要缩短已分配空间)。满足，则无需再调整。
2. 计算新数组的需要容纳的元素的数目：new_allocated。这个算法有点难理解：它会额外分配一些内存，并将这块内存以 4 的倍数进行对齐。可以不用去细究为什么要这样计算。
3. 计算需要重新分配的内存大小：num_allocated_bytes。
4. 调用 PyMem_Realloc() 分配内存。

更新 self 指向对象的相关属性：调整变长数组指针的指向，设置 list 中元素的个数，设置已分配空间的大小。

【哪些操作会导致列表 resize?】

我们已经了解了 resize 的执行逻辑。那么 list 会在什么情况下 resize 底层数组呢?

• 数组内存不够用的时候

insert、append、extend、切片赋值，这些操作都有可能需要分配更多的内存。

• 数组内存冗余的时候

pop、remove 可能需要缩减数组的空间，避免浪费。

看起来，凡是修改 list 元素数目的操作都有可能导致 resize 的发生。这些操作函数(定义在 listobject.c 中)确实也全部调用了 list_resize() 函数。

根据上边的 resize 算法，如果你的 list 中的元素数目抖动很大，发生 resize 的概率就大很多。

因此，我们在开发中应尽量避免频繁大幅度增减 list 元素的情况，以提升程序的运行效率。

本文转载自微信公众号「python学与思」，可以通过以下二维码关注。转载本文请联系python学与思公众号。