用__slots__能显著降低单个实例内存（通常省24–240字节），百万对象可节省24 MB以上；它通过禁用__dict__、改用固定偏移C结构体存储属性，消除哈希表开销，但需确保类无动态属性需求、继承链中所有父类均定义__slots__，否则失效。
用 __slots__ 能显著降低单个对象内存，但对百万级对象是否值得加，得先看你的类有没有被继承、有没有动态属性需求，否则可能白忙还埋坑。
为什么 __slots__ 能省内存？
默认情况下，Python 为每个实例分配一个 __dict__（字典）来存属性，哪怕只存 2–3 个字段，也要约 240 字节起步；而启用 __slots__ 后，属性直接存进固定偏移的 C 结构体里，没有哈希表开销，也没有键字符串存储成本。
实测：一个只有 a、b 两个 int 属性的类，普通实例占 56 字节，加 __slots__ = ('a', 'b') 后压到 32 字节——单个省 24 字节，百万对象就是 24 MB。
- 省的是每个实例的
__dict__和__weakref__（除非你显式声明__weakref__） - 不省类本身的内存，也不影响类方法或类变量
- 如果类有
__dict__或__weakref__需求，__slots__就不能覆盖它们
哪些情况加了 __slots__ 反而出错？
最常见的是：父类没设 __slots__，子类加了，结果子类实例仍带 __dict__，白加；或者运行时想 obj.new_attr = 1，直接 AttributeError。
立即学习“Python免费学习笔记（深入）”；
- 父类定义了
__dict__（比如没加__slots__的基类），子类的__slots__会被忽略 - 只要任意父类没设
__slots__，整个继承链就退化回默认行为 - 不能给实例动态赋值未在
__slots__中声明的属性，连setattr(obj, 'x', 1)都会失败 - 用了
@property或@cached_property不受影响，但 setter 必须对应 slots 中的字段名
怎么安全地加 __slots__ 并验证效果？
别一上来就全量加。先挑高频、纯数据、无继承、无动态属性的类试水，然后用 sys.getsizeof() 和 __dict__ 检查是否生效。
class Point:
__slots__ = ('x', 'y')
def __init__(self, x, y):
self.x = x
self.y = y
<p>p = Point(1, 2)
print(hasattr(p, '<strong>dict</strong>')) # False
print(sys.getsizeof(p)) # 32（CPython 3.11）</p>- 确认所有父类也定义了
__slots__，或确保该类是叶子节点 - 若需弱引用支持，显式加入
'__weakref__'：__slots__ = ('x', 'y', '__weakref__') - 避免和
__dict__兼容：不要在__slots__里写'__dict__'，那会让 slots 失效 - 用
pympler.asizeof.asizeof(obj)查更准的总内存（含引用对象），比sys.getsizeof更靠谱
百万对象场景下，还有比 __slots__ 更省的方案吗？
有，但代价更高：__slots__ 是性价比最高的“开箱即用”手段；真要极致压缩，得换数据结构——比如把百万 Point 改成两个 array.array('d') 或一个 numpy.ndarray。
-
numpy存结构化数组（dtype=[('x', 'f8'), ('y', 'f8')]）比百万个__slots__实例再省 30%+ 内存，但失去面向对象语义 -
dataclasses(slots=True)（3.10+）等价于手写__slots__，可读性更好，但生成逻辑一样 - 如果对象生命周期短、创建销毁频繁，
__slots__还能略微提升属性访问速度（少了字典查找）
真正容易被忽略的是：加了 __slots__ 后，你不能再靠 obj.__dict__.update(...) 批量设属性，也不能用 vars(obj) 调试——这些惯用法会静默失效或报错。
