Python类的动态绑定实现原理
使用实例引用类的属性时,会发生动态绑定。即python会在实例每次引用类属性时,将对应的类属性绑定到实例上。
动态绑定的例子:
class A: def test1(self): print("hello") def test2(self): print("world") def bound(): a = A() a.test1() A.test1 = A.test2 a.test1() if __name__ == "__main__": bound()
输出结果:
hello2 world
从上述代码中可以看到,类方法的变化是实时影响实例对方法的调用的,这说明python是在实例调用方法的过程中动态地查找类方法。
动态绑定的代价:
class A: def test(self): pass def one_loop(limited_time): a = A() for i in range(limited_time): a.test() f = a.test for i in range(limited_time): f()
上图两个循环中,一个调用a.test(),不断进行动态绑定,另一个则先把a.test赋值给f,只有一次动态绑定,通过对两个循环计时,测试动态绑定的代价。
输出结果:
1 [0.0, 0.0, 0.0, 0.0, 0.0, 0.0009999275207519531, 0.008995771408081055, 0.19991111755371094, 1.2715933322906494, 15.831915855407715]
2 [0.0, 0.0, 0.0, 0.0, 0.0, 0.12503726671039295, 0.09472344399590288, 0.1999776288967874, 0.131608969147562, 0.1553209370384522]
折线图中横坐标为log10(循环次数),纵坐标为秒数。
输出数据中,第一行为动态绑定和一次绑定耗费时间的差值,第二行为差值占动态绑定总时间的比例。
可以看出,在次数很小的时候,两者基本没有差距,或者说差距忽略不计。
在10^7次循环,即千万次循环的时候,动态绑定与静态绑定的耗费时间才出现了明显差异,当循环次数达到十亿级的时候,耗费时间相差15秒之多,约占总时间的15%。
由上可知,动态绑定效率低于静态绑定,但由于绑定代价耗时很少,在次数很少的时候基本没有影响。
动态绑定的优点:
class A: def test_hello(self): print("hello") def test_world(self): print("world") def main(): s = A() # 提前绑定 f = s.test_hello # 改变方法 A.test_hello = test_world f() # 动态绑定 s.test_hello() if __name__ == "__main__": main()
输出结果:
hello2 world
类方法的变动能够实时反应在动态绑定上,而提前绑定则无法感知到类方法的变动。
总结:
1. 一次动态绑定代价很小,当绑定次数少的时候基本不影响效率,当绑定次数达到千万级时影响才会很显著。
2. 动态绑定实时跟踪类方法的变动,更具灵活性。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
相关文章
Nginx+Uwsgi+Django 项目部署到服务器的思路详解
这篇文章主要介绍了Nginx+Uwsgi+Django 项目部署到服务器的思路,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-05-05Python深度学习之Keras模型转换成ONNX模型流程详解
这篇文章主要介绍了Python深度学习之Keras模型转换成ONNX模型流程,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习吧2022-09-09python 对任意数据和曲线进行拟合并求出函数表达式的三种解决方案
这篇文章主要介绍了python 对任意数据和曲线进行拟合并求出函数表达式的三种解决方案,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下2020-02-02
最新评论