__slots__ 能省内存是因为它用固定结构体替代动态 __dict__ 字典，避免每个实例额外占用数百字节；属性直接映射到预分配内存偏移，还略微提升访问速度。
为什么 __slots__ 能省内存？
Python 默认为每个实例动态创建一个 __dict__ 字典来存储属性，哪怕只存一两个字段，也要额外占用几百字节。启用 __slots__ 后，Python 放弃 __dict__，改用固定大小的结构体（类似 C 的 struct），属性直接映射到预分配的内存偏移上——这不仅省空间，还略提速属性访问。
怎么正确声明 __slots__？
在类定义中直接赋值一个字符串元组，列出所有允许的实例属性名。注意：它只约束**实例属性**，不影响类属性或方法。
class Point:
__slots__ = ('x', 'y') # ✅ 正确：元组、列表、字符串均可，但推荐元组
def __init__(self, x, y):
self.x = x
self.y = y- 必须是可迭代对象，常见用
('x', 'y')或['x', 'y']；单个属性写成('x',)（末尾逗号不能少） - 如果父类用了
__slots__，子类也必须显式声明，否则会继承父类 slots 但意外获得自己的__dict__ - 一旦启用，就不能再动态添加未声明的属性：
p = Point(1,2); p.z = 3会抛AttributeError: 'Point' object has no attribute 'z'
哪些情况反而会让内存更大或失效？
__slots__ 不是银弹。以下场景它帮不上忙，甚至起反作用：
- 类本身有
__dict__（比如继承了没设 slots 的父类），子类加__slots__仍会保留实例__dict__ - 声明了
__slots__但又手动定义了__dict__，或者用了__weakref__却没把它加入 slots 元组（此时 Python 会自动恢复__dict__） - 属性值本身很大（比如存一个 10MB 的
numpy.ndarray），__slots__只省了属性名的指针开销（通常 8 字节/个），实际内存占比微乎其微 - 用了
@property或描述符——它们不占实例空间，__slots__对它们无影响，也不需要列入 slots
验证是否真的省了内存？
别靠猜。用 sys.getsizeof() 粗略对比，或更准的 pympler.asizeof.asizeof()（能递归算引用对象）：
立即学习“Python免费学习笔记（深入）”；
from pympler import asizeof
class Regular: pass
class Slotted: __slots__ = ('a', 'b')
<p>r = Regular(); r.a = 1; r.b = 2
s = Slotted(); s.a = 1; s.b = 2</p><p>print(asizeof.asizeof(r)) # 通常 500+ 字节（含 <strong>dict</strong>）
print(asizeof.asizeof(s)) # 通常 64–96 字节（仅数据+对象头）真正关键的是：当你要创建数万以上实例（如解析日志、建模粒子系统）时，这个差值才会从“省几十字节”变成“省几百 MB”。小规模对象上较真 __slots__，基本是在优化不存在的问题。
