Python和压缩算法性能

Question

我对这种压缩算法很感兴趣(查看链接)

https://github.com/bright-tools/varints

特别的问题是 Python 中 bytearray 对象的内存开销对压缩毫无用处。有没有只考虑编码大小而不考虑数据结构大小的解决方案？例如:

>>> import sys
>>> list = []
>>> sys.getsizeof(list)
    64

但我会得到类似“0”而不是 64 的东西

如何避免内存开销？请来一些？

Answer 1

如果您尝试创建微型数据结构，Python 不是您想要使用的语言。作为您链接注释的项目的自述文件，如果您可以将大量数据打包到单个字节数组中，则可以使用字节数组(而不是列表)来减少存储开销。但即使是字节数组(如字符串)也是有代价的:64 位 CPython 安装——也就是说，你将获得 x86 Linux 安装的标准 python——每个字节数组至少使用 33 字节的开销。 (我说“至少”是因为 Python 无法测量内存分配开销。)如果需要的话，还有将字节流反序列化为原始对象的计算成本。

由于链接页面生成较小的对象，我断定它的测试一定是在 32 位 Python 安装上完成的，可能是在 Windows 上。因此，这是您可以减少存储使用量的一种方式。

如果你有Python3.3或更高版本(如果没有，就安装它:-))，那么你可以使用array模块，这可能比一个字节更方便数组，部分原因是您可以创建一个数组，其元素是您需要的大小。参见 the Python manual了解详情。如果您使用 b 或 B 类型修饰符构建一个 array.array，它将为每个值仅使用一个字节。如果使用 h 或 H，则可以存储 16 位整数(有符号或无符号)，每个整数为两个字节。 array.array 的开销是 64 字节，就像列表一样，但实际元素要紧凑得多。

就个人而言，我不会为这样的东西烦恼，但我想它有它的用途。事实上，引用 README 页面低估了 Python 整数列表的存储消耗，因为它没有考虑整数本身的大小，这是相当大的。

sys.getsizeof 显示的列表大小只是列表本身的大小。它不包括列表中的对象，仅包括对对象的引用(标准 Linux Python 安装中每个对象八个字节)。它还包括列表的对象描述所使用的内存，在相同的标准 Python 安装中为 64 字节。 (这是您的测试中显示的 64 个字节。)

最后，它可能在末尾包含一些额外的空间，以便允许将项目附加到列表而无需重新分配和复制列表。此类额外对象的数量取决于很多因素，包括构建列表的精确方式，但似乎可以通过使用切片复制列表来将此特定开销减少到零:a[:].

在 Python 中，整数是成熟的对象，它们占用的空间量惊人。或者，当您认为 Python 整数是大数字时，这并不奇怪，因此它们没有人为的大小限制。根据getsizeof，绝对值小于2³⁰的整数占用28个字节，每增加30位(或部分)占用另外4个字节。 (实际上，您可以将一个由小整数组成的大向量位打包成一个大数，利用左移和右移操作相当快的事实，从而从每个列表中减少几个字节。但是array.array 几乎肯定更容易。)

---

getsizeof的一些实验，供引用:

>>> from sys import getsizeof
>>> # Strings occupy 48 bytes plus the length of the string plus one byte (presumably for a NUL)
>>> getsizeof("")   # 48 + 0 + 1
49
>>> getsizeof("a")  # 48 + 1 + 1
50
>>> getsizeof("abcdefghijklmnopqrstuvwxyz") # 48 + 26 + 1
75
>>> getsizeof("abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ") # 48 + 52 + 1
101
>>> But that's not counted in the size of a list. All the lists are the same size:
>>> getsizeof([""])
72
>>> getsizeof(["a"])
72
>>> getsizeof(["abcdefghijklmnopqrstuvwxyz"])
72
>>> getsizeof(["abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"])
72
>>> # Same for a list containing a single number
>>> getsizeof([0])
72
>>> # Lists need 64 bytes plus 8 bytes per element (a pointer to the element):
>>> getsizeof([0,1])
80
>>> getsizeof([0,1,2])
88
>>> getsizeof([0,1,2,3])
96
>>> # When you append to a list, Python leaves some extra space for the next appends
>>> a = [0,1,2,3]
>>> getsizeof(a)
96
>>> # As above, 64 + 4 * 8 bytes. But when we add a single element,
>>> # we get enough room for four elements, so the next three appends
>>> # don't require more space:
>>> a.append(4)
>>> getsizeof(a)
128                 
>>> a.append(5)
>>> getsizeof(a)
128
>>> a.append(6)
>>> getsizeof(a)
128
>>> a.append(7)
>>> getsizeof(a)
128
>>> # When we append the 9th element, we get room for another four
>>> a.append(8)
>>> getsizeof(a)
192

您可以通过使用元组而不是列表来节省几个字节:元组与字节数组一样是不可变的，但如果您可以忍受无法修改对象，则可以通过使用元组来节省 16 个字节列表的:

>>> getsizeof( (1,2,3) )
72
>>> getsizeof( [1,2,3] )
88