Pythons String-Speicherzuweisung: Das Geheimnis wird gelüftet

Pythons effiziente Handhabung identischer Strings durch Speicheroptimierung war ein Diskussionsthema unter Entwicklern. Es bleibt jedoch unklar, unter welchen genauen Umständen Python identischen Zeichenfolgen neuen Speicher zuweist.

Der Python-Interpreter verwendet zwei unterschiedliche Kategorien von Zeichenfolgen: eindeutige Zeichenfolgen und gewöhnliche Zeichenfolgen. Eindeutige Zeichenfolgen werden in einem eindeutigen Cache (Ucache) gespeichert, wodurch effektiv Speicher gespart und der Vergleich der Zeichenfolgengleichheit beschleunigt wird. Andererseits können gewöhnliche Zeichenfolgen, sogenannte Ostrings, mehrfach im Speicher gespeichert werden.

Die Zeichenfolgenzuordnung in Python hängt von umsetzungsspezifischen Optimierungen ab, wobei die Effizienz im Vordergrund steht. Das Erstellen eines neuen Objekts beim Auffinden eines vorhandenen gleichwertigen Objekts scheint ein zeitaufwändiger Vorgang zu sein. Folglich bevorzugen Implementierungen im Allgemeinen die Erstellung neuer Objekte oder die Wiederverwendung bestehender Objekte, basierend auf der Wahrscheinlichkeit, schnell eine Übereinstimmung zu finden.

Wenn mehrere Vorkommen desselben Zeichenfolgenliterals in einer einzelnen Funktion auftreten, verwendet Python normalerweise den „neuen Verweis auf“. „Gleiches Objekt“-Strategie. Dieser Ansatz ist praktisch, da er Duplikate innerhalb des Konstantenpools einer Funktion identifizieren und vermeiden kann. Die Ausweitung dieser Strategie auf separate Funktionen wird jedoch schwieriger und führt dazu, dass Implementierungen entweder ganz auf die Optimierung verzichten oder ihre Anwendung auf bestimmte Szenarien beschränken.

Das Lesen von Daten aus Dateien bringt eine weitere Ebene der Komplexität mit sich. Python-Implementierungen unternehmen im Allgemeinen nicht die Mühe, potenzielle Duplikate zu identifizieren, wenn sie Zeichenfolgeneingaben aus Dateien verarbeiten. Dieser Ansatz zielt darauf ab, einen angemessenen Kompromiss zwischen Laufzeitleistung und Speicherverbrauch aufrechtzuerhalten.

Entwickler können ihre eigene „Konstantenpool“-Strategie erstellen, um Bedenken hinsichtlich der Speicheroptimierung in Szenarien auszuräumen, in denen sie mit großen, duplikatanfälligen unveränderlichen Objekten rechnen. Die intern()-Funktion von Python ist für die String-Internierung nützlich und ermöglicht es Entwicklern, vorhandene String-Objekte manuell zu identifizieren und wiederzuverwenden.