开发前端软件素材源码教程下载网站

全部
网站模板
网页特效
网站源码
素材资源
建站学院
软件工具
mysql mysql 微信 微信 小程序 苹果 dedecms 修真图
当前位置：首页 > 建站学院 > 其他教程 >  Cpython3.9源码分析python中的大小整数

Cpython3.9源码分析python中的大小整数

其他教程   发布日期：2025年03月29日   浏览次数：106次

这篇“Cpython3.9源码分析python中的大小整数”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Cpython3.9源码分析python中的大小整数”文章吧。

小整数

  1. /* interpreter state */
  3. #define _PY_NSMALLPOSINTS           257
  4. #define _PY_NSMALLNEGINTS           5

这是

  1. CPython
中定义的两个常量，它们用于控制解释器状态中的小整数对象池。在
  1. CPython
中，小整数对象池是一种优化机制，用于减少对常用小整数的内存分配和销毁开销。

  1. _PY_NSMALLPOSINTS
定义了正小整数对象池的大小。在这里，其值设置为257，表示解释器将为从0到256（包含0和256）的整数预分配对象并缓存。这些整数在很多场景下会被频繁使用，所以事先创建并缓存它们可以提高性能。

  1. _PY_NSMALLNEGINTS
定义了负小整数对象池的大小。在这里，其值设置为5，表示解释器将为从-1到-5（包含-1和-5）的整数预分配对象并缓存。

在Python解释器启动时，这些小整数对象会被创建并放入对象池。当需要这些整数值时，解释器会直接从对象池中获取对应的对象，而不是动态创建新对象。这样，对于这些小整数值的操作可以更快地进行，节省了内存分配和销毁的开销。

  1. static PyObject *
  2. get_small_int(sdigit ival)
  3. {
  4.     assert(IS_SMALL_INT(ival));
  5.     PyThreadState *tstate = _PyThreadState_GET();
  6.     PyObject *v = (PyObject*)tstate->interp->small_ints[ival + NSMALLNEGINTS];
  7.     Py_INCREF(v);
  8.     return v;
  9. }
  11. typedef int32_t sdigit; /* signed variant of digit */
  13. #define IS_SMALL_INT(ival) (-NSMALLNEGINTS <= (ival) && (ival) < NSMALLPOSINTS)

这是

  1. get_small_int
函数的实现，它用于从小整数对象池中获取一个指定值的小整数对象。小整数对象池包含了一定范围内的整数对象，主要是为了避免对这些常用的整数对象进行频繁的内存分配和销毁。

  1. get_small_int
函数接受一个
  1. sdigit
类型的参数
  1. ival
，表示要获取的整数值。在函数内部，首先使用
  1. assert(IS_SMALL_INT(ival))
确保传入的整数值
  1. ival
在小整数对象池的范围内。

接下来，函数获取当前线程状态（

  1. PyThreadState
）并从其中获取解释器状态（
  1. tstate->interp
）。解释器状态包含了小整数对象池，即
  1. small_ints
数组。

然后，根据

  1. ival
计算出在
  1. small_ints
数组中的索引（
  1. ival + NSMALLNEGINTS
），并将对应位置的对象赋值给
  1. v
。
  1. NSMALLNEGINTS
是一个宏定义，表示负小整数的个数。假设我们有一个整数值 
  1. ival
，我们想要在 
  1. small_ints
数组中查找这个值对应的预分配的小整数对象。
  1. NSMALLNEGINTS
是预分配的负数的数量。在 
  1. CPython
中，
  1. NSMALLNEGINTS
的值通常为5，表示有5个预分配的负整数对象（-1, -2, -3, -4, -5）。

现在，我们将通过计算 

  1. ival + NSMALLNEGINTS
来找到 
  1. small_ints
数组中的索引。例如，假设 
  1. ival
为3。那么，我们可以计算索引如下：
  1. index = ival + NSMALLNEGINTS
  2. index = 3 + 5
  3. index = 8

这意味着 

  1. small_ints
数组中的第8个元素（从0开始计数）是我们要查找的整数对象。在这个例子中，我们将找到预分配的小整数对象3，并将其引用计数加1，然后返回这个对象。

接下来，通过调用

  1. Py_INCREF(v)
增加
  1. v
的引用计数，以防止对象在其引用计数变为0时被错误地回收。

最后，返回指向小整数对象的指针

  1. v
。

总之，

  1. get_small_int
函数的作用是从小整数对象池中获取一个指定值的小整数对象，并增加其引用计数，然后返回该对象。这样可以提高对常用小整数的操作性能。

大整数

  1. /* Long integer representation.
  2.    The absolute value of a number is equal to
  3.         SUM(for i=0 through abs(ob_size)-1) ob_digit[i] * 2**(SHIFT*i)
  4.    Negative numbers are represented with ob_size < 0;
  5.    zero is represented by ob_size == 0.
  6.    In a normalized number, ob_digit[abs(ob_size)-1] (the most significant
  7.    digit) is never zero.  Also, in all cases, for all valid i,
  8.         0 <= ob_digit[i] <= MASK.
  9.    The allocation function takes care of allocating extra memory
  10.    so that ob_digit[0] ... ob_digit[abs(ob_size)-1] are actually available.
  12.    CAUTION:  Generic code manipulating subtypes of PyVarObject has to
  13.    aware that ints abuse  ob_size's sign bit.
  14. */

这是

  1. CPython
源码中关于长整数表示的一段注释。它解释了
  1. PyLongObject
如何表示大整数的绝对值和符号。让我们逐行分析这个注释：

1.首先，注释指出大整数的绝对值等于：

  1. SUM(for i=0 through abs(ob_size)-1) ob_digit[i] * 2**(SHIFT*i)

  1. ob_digit
表示长整数的每个“数字”，
  1. SHIFT
是每个“数字”的位数，通常为30或15。
  1. ob_size
表示长整数的符号和长度，它的绝对值表示长整数的长度，即“数字”的个数。

2.对于负数，

  1. ob_size
小于0。对于0，
  1. ob_size
等于0。

3.在规范化的数中，最高有效位（即最高“数字”）永远不会为零。此外，在所有情况下，对于所有有效的i，

  1. ob_digit[i]
的取值范围在0到
  1. MASK
之间。
  1. MASK
的值通常为
  1. (1 << PyLong_SHIFT) - 1
，即
  1. 2**PyLong_SHIFT - 1
。

4.注释还提到分配函数负责分配额外的内存，以确保

  1. ob_digit[0]
到
  1. ob_digit[abs(ob_size)-1]
实际上是可用的。

5.最后，注释中的“警告”部分提醒开发者，操纵

  1. PyVarObject
子类型的通用代码需要注意整数会滥用
  1. ob_size
的符号位。这是因为
  1. ob_size
的符号位同时表示整数的长度和符号，而通常情况下
  1. ob_size
仅用于表示长度。

额外解释

  1. ob_digit
是一个表示大整数中每个 “数字” 的数组，它是一个整数数组，用于表示长整数对象（
  1. PyLongObject
）中的整数值。每个 “数字” 都有一个固定的位数，由 
  1. PyLong_SHIFT
定义（通常为 30 或 15）。例如，假设我们有一个长整数对象，其值为 12345678901234567890。

在这个例子中，假设 

  1. PyLong_SHIFT
为 30，这意味着每个 “数字” 可以表示 2^30 = 1073741824 个不同的值。为了将这个大整数表示为 
  1. ob_digit
数组，我们需要将整数拆分为基于 2^30 的 “数字”。在这种情况下，我们可以将整数表示为：
  1. 12345678901234567890 = 4 * 2^(30*2) + 726238597 * 2^(30*1) + 1026062870 * 2^(30*0)

所以，

  1. ob_digit
数组将包含以下元素：
  1. ob_digit[0] = 1026062870
  2. ob_digit[1] = 726238597
  3. ob_digit[2] = 4

在实际的 

  1. CPython
源码中，
  1. PyLongObject
的定义如下：
  1. typedef struct {
  2.     PyObject_VAR_HEAD
  3.     digit ob_digit[1];
  4. } PyLongObject;

在这里，

  1. ob_digit
是一个长度为1的数组，但实际上，它是一个可变长度数组，根据所需的 “数字” 数量动态分配。要注意的是，当一个 
  1. PyLongObject
被创建时，会根据整数值的大小动态分配适当数量的空间来存储 
  1. ob_digit
数组。

以上就是Cpython3.9源码分析python中的大小整数的详细内容，更多关于Cpython3.9源码分析python中的大小整数的资料请关注九品源码其它相关文章！

相关热词： Cpython3.9源码分析python中的大小整数
上一篇：讲一讲如何在一个页面中使用多个百度分享按钮，分享不同的文章
下一篇：vue3怎么获取url地址参数

文章分类

IT资讯 CMS教程 服务器 数据库 前端开发 后端开发 工具使用 其他教程

最后更新

热门排行

网站首页 | 关于我们 | 免责声明 | 网站建设 | 在线工具 | 网站地图

版权声明：本站发布的资源部分自互联网，所有资源版权归原作者所有。如果有侵犯到您的权益，请联系本站删除，谢谢合作！

Copyright 2018-2025 ©19jp.com All Rights Reserved. 陕ICP备16002142号-1