用__slots__能显著降低单个实例内存占用30%–50%，但仅在大量创建（数万以上）且属性名固定时才值得使用；盲目添加会破坏动态属性、继承或pickle兼容性。
直接用 pickle.dump() 序列化大型嵌套结构（比如上万节点的树、带大量元数据的 DataFrame）时，慢和体积大不是“配置没调好”的问题，而是默认行为本身在反复遍历、冗余记录引用关系。优化必须从对象设计层切入，不能只靠换协议版本。
用 __slots__ 限制实例属性，砍掉 __dict__ 膨胀
默认情况下，Python 实例把所有属性存进 __dict__ 字典——哪怕你只用 3 个字段，__dict__ 也会带上可能存在的临时键、调试标记、未清理的缓存键。这对 pickle 是灾难：它会把整个 __dict__ 当作状态保存。
- 显式定义
__slots__ = ['name', 'children', 'metadata']，强制只保留必要字段 - 移除动态赋值（如
obj._temp_cache = ...），或改用外部字典管理临时状态 - 注意：
__slots__类无法被继承后动态加属性，如果子类需要扩展，得在子类里重新声明__slots__
对树/图结构主动拆解，避免 pickle 自动跟踪循环引用
当对象间存在父子双向引用、兄弟节点交叉引用时，pickle 默认启用引用跟踪（reference tracking），它会插入大量标记字节来保证还原时结构一致。这在大型结构中开销陡增，且容易触发栈溢出。
- 在
__reduce_ex__中返回重建逻辑，跳过引用跟踪：例如返回(Tree.__new__, (Tree,), state_dict)，其中state_dict只含正向关系（如children_ids列表，而非children对象列表） - 把反向引用（如
parent）从序列化状态中剥离，反序列化后再通过遍历重建 - 测试时用
sys.getsizeof(pickle.dumps(obj))对比前后体积，下降 40%+ 才算有效
用 __getstate__ 过滤掉不可序列化或可推导的字段
有些字段根本不需要存：NumPy 数组的 shape 可从 data 推出；缓存哈希值可重算；日志 handler 或数据库连接必须剔除。但 __reduce_ex__ 写起来重，而 __getstate__ 是轻量级过滤入口。
立即学习“Python免费学习笔记（深入）”；
- 在类中定义
def __getstate__(self): state = self.__dict__.copy(); state.pop('_cache', None); state.pop('logger', None); return state - 注意：如果用了
__slots__，__getstate__返回的是一个字典，键必须是__slots__中声明的字段名，否则反序列化会失败 - 别试图在
__getstate__里做深拷贝或转换——这只会拖慢速度，过滤才是它的本职
协议选 pickle.HIGHEST_PROTOCOL，但别盲目依赖
协议 5 确实比协议 2 快，但它对对象结构敏感。如果你的对象里混用了很多 lambda、闭包、本地函数，协议 5 可能反而更慢甚至失败——因为高协议尝试用更紧凑的指令编码，但遇到无法简化的结构时会 fallback 到低效路径。
- 显式指定
protocol=pickle.HIGHEST_PROTOCOL，但上线前必须在目标环境中实测：用timeit测pickle.dumps(data, protocol=5)vsprotocol=4 - 跨 Python 版本部署时（比如服务端是 3.11，客户端是 3.9），协议 5 不兼容，此时降级到协议 4 更稳妥
- 真正影响体积的从来不是协议号，而是你有没有先砍掉
__dict__和冗余引用——协议只是锦上添花
最常被忽略的一点：优化不是加功能，是做减法。Pickle 的开销 70% 来自它“太想做好事”——自动处理引用、保存全部属性、兼容各种边界情况。你要做的，是明确告诉它“哪些事你不用管”。
