Rocket Casino Game

🔥 Selamat datang di Rocket Casino Game — Jelajahi tren terbaru tentang labu-bet-togel!

Mengoptimalkan Kelas dengan __slots__

Mari kita bahas cara mengoptimalkan penggunaan memori dan waktu pencarian atribut dari kelas Python kita.

Bagaimana Atribut Kelas Disimpan Secara Default?

Di sini kita memiliki kelas bernama Point dalam file points:

class Point:

def __init__(self, x, y, z):

(self.x, self.y, self.z) = (x, y, z)

Dan berikut adalah instance dari kelas Point ini:

>>> p = Point(1, 2, 3)

Biasanya, kelas menyimpan atributnya dalam sebuah kamus (dictionary) bernama __dict__.

>>> p.__dict__

{'x': 1, 'y': 2, 'z': 3}

Kita memiliki kelas di mana setiap instance memiliki atribut x, y, dan z. Namun, kita bisa menambahkan atribut lain ke instance mana pun dari kelas Point ini, dan pasangan kunci-nilai lain akan muncul dalam kamus __dict__.

Misalnya jika kita menambahkan atribut w:

>>> p.w = 4

Kamus __dict__ kita sekarang akan memiliki atribut w:

>>> p.__dict__

{'x': 1, 'y': 2, 'z': 3, 'w': 4}

Ini adalah cara kerja kelas secara default; kelas bekerja seperti ini kecuali Anda menggunakan __slots__.

Menggunakan __slots__ untuk Membatasi Atribut Kelas

Untuk menggunakan __slots__, kita perlu mendefinisikan atribut __slots__ pada kelas yang menunjuk ke sebuah tuple string yang mewakili nama atribut yang valid untuk setiap instance dari kelas kita.

Mari tambahkan __slots__ ke kelas Point kita:

class Point:

__slots__ = ('x', 'y', 'z')

def __init__(self, x, y, z):

(self.x, self.y, self.z) = (x, y, z)

Instance dari kelas Point ini memiliki atribut x (seperti sebelumnya):

>>> p = Point(1, 2, 3)

>>> p.x

1

Kita dapat mengubah nilai atribut ini (seperti sebelumnya):

>>> p.x = 10

>>> p.x

10

Namun jika kita mencoba membuat atribut baru (atribut yang bukan x, y, atau z ), kita akan mendapatkan AttributeError:

>>> p.w = 4

Traceback (most recent call last):

File " ", line 1, in

AttributeError: 'Point' object has no attribute 'w'

Kita mendapatkan AttributeError karena setiap instance dari kelas ini **tidak lagi memiliki kamus __dict__ ** tempat ia menyimpan atributnya:

>>> p.__dict__

Traceback (most recent call last):

File " ", line 1, in

AttributeError: 'Point' object has no attribute '__dict__'

Sebagai gantinya, __slots__ menggunakan sesuatu seperti daftar dengan lebar tetap (atau tuple yang dapat diubah) untuk menyimpan secara khusus tiga atribut: x, y, dan z. Jadi karena kita menggunakan __slots__, **kita tidak dapat memperluas jumlah atribut** yang ada pada setiap instance dari kelas ini.

Mengapa Menggunakan __slots__?

Mengapa Anda pernah menggunakan __slots__ di kelas Anda?

Dalam beberapa kasus, Anda mungkin menggunakan __slots__ untuk membatasi atribut mana yang ada di kelas Anda: Anda mungkin ingin **melarang penetapan atribut sembarang** yang seharusnya tidak ada pada instance kelas Anda. Namun itu agak tidak biasa; biasanya itu bukan alasan kita menggunakan __slots__ di Python.

Biasanya, kami menggunakan __slots__ untuk **menghemat memori** atau **menghemat waktu**.

Menggunakan __slots__ dapat menghemat memori karena setiap instance dari kelas Anda **tidak akan menggunakan kamus** untuk menyimpan atributnya. Sebagai gantinya, setiap instance kelas Anda akan **menggunakan struktur data yang lebih efisien untuk menyimpan atributnya**; yang tidak dapat diperluas secara sembarang, tetapi tahu cara menyimpan persis atribut yang diharapkan pada kelas Anda.

Alasan lain Anda mungkin menggunakan __slots__ adalah untuk **menghemat waktu dalam pencarian atribut**. Pencarian atribut membutuhkan waktu sedikit lebih sedikit dengan __slots__ karena setiap akses atribut **tidak perlu melakukan pencarian kunci kamus** (yang membutuhkan perhitungan kecil di balik layar).

Menghemat Penggunaan Memori dengan __slots__

Di samping kelas Point, kami memiliki fungsi point_path_from_file di file points kami:

class Point:

__slots__ = ('x', 'y', 'z')

def __init__(self, x, y, z):

(self.x, self.y, self.z) = (x, y, z)

def point_path_from_file(filename):

with open(filename) as lines:

return [

Point(*map(float, point_line.split()))

for point_line in lines

]

Kami akan menulis program baris perintah, point_stats.py, yang akan memanggil fungsi point_path_from_file kami (dari modul points ):

import points

path = points_path_from_file('point_path.txt')

x_total = y_total = z_total = 0

for p in path:

x_total += p.x

y_total += p.y

z_total += p.z

average = (x_total/len(path), y_total/len(path), z_total/len(path))

print(f"Mean of values: {average}")

Fungsi point_path_from_file **membuat objek Point baru** dari setiap baris dalam file yang diberikan:

def point_path_from_file(filename):

with open(filename) as lines:

return [

Point(*map(float, point_line.split()))

for point_line in lines

]

Dan skrip baris perintah kami merata-rata nilai x, y, dan z dari semua objek Point tersebut, lalu mencetak rata-rata nilai tersebut.

Jika kami menjalankan program ini terhadap file yang sangat besar (file point_path.txt sebesar 55MB) maka akan memakan waktu cukup lama.

$ python3 point_stats.py

Mean of values: (-1490.5125363997097, -631.0342665916223, -2989.753194999186)

Output tersebut membutuhkan waktu N detik ketika menjalankan program ini dalam bentuknya saat ini.

File point_path.txt kami memiliki satu juta baris. Jadi kami membuat satu juta instance dari kelas Point, dan kami menyimpannya dalam daftar (yang ditunjuk oleh variabel path kami).

Perbandingan Penggunaan Memori dengan dan Tanpa __slots__

Jika kami ingin melihat berapa banyak memori yang digunakan program kami, kami dapat menambahkan beberapa kode di program baris perintah kami untuk mencetak penggunaan memori maksimum untuk program Python kami:

import points

import resource

path = points_path_from_file('point_path.txt')

x_total = y_total = z_total = 0

for p in path:

x_total += p.x

y_total += p.y

z_total += p.z

average = (x_total/len(path), y_total/len(path), z_total/len(path))

print(f"Mean of values: {average}")

usage = resourceage(resource_SELF).ru_maxrss

print(f"Memory usage: {usage:,}")

Strategi untuk mencetak penggunaan memori ini agak kabur dan tidak selalu bekerja dengan tepat, tetapi ini adalah awal yang cukup baik:

import resource

#...

usage = resourceage(resource_SELF).ru_maxrss

print(f"Memory usage: {usage:,}")

Menjalankan program kami sekarang memberi tahu bahwa kami menggunakan maksimum 176.328 byte dalam proses Python kami:

$ python3 point_stats_with_mem.py

Mean of values: (-1490.5125363997097, -631.0342665916223, -2989.753194999186)

Memory usage: 176,328

Sekarang mari kita ubah modul points kita, dan ubah kelas Point kita untuk menghapus __slots__:

class Point:

def __init__(self, x, y, z):

(self.x, self.y, self.z) = (x, y, z)

Jika kami menjalankan kode kami lagi, kami akan melihat bahwa kode tersebut menggunakan _lebih banyak_ memori, karena perlu **menyimpan kamus __dict__ untuk setiap instance** dari kelas Point kami:

$ python3 point_stats_with_mem.py

Mean of values: (-1490.5125363997097, -631.0342665916223, -2989.753194999186)

Memory usage: 271,660

Tanpa __slots__ program kami menggunakan 271.000 byte yang lebih banyak dari sebelumnya 176.328 byte.

Ringkasan

Jika Anda ingin membuat instance dari kelas Python Anda **lebih efisien memori** dan sedikit **lebih cepat dalam pencarian atribut**, Anda mungkin mempertimbangkan untuk menambahkan __slots__ ke kelas Anda. Meskipun melakukannya hanya disarankan jika Anda memiliki ribuan instance dari kelas Anda atau jika Anda melakukan banyak pencarian atribut dalam kode Anda.

Sekarang giliran Anda! 🚀

Kita tidak belajar hanya dengan membaca atau menonton. **Kita belajar dengan melakukan.** Itu berarti menulis kode Python.

Keamanan dimulai dengan memahami cara developer mengumpulkan dan membagikan data Anda. Praktik privasi dan keamanan data dapat bervariasi berdasarkan penggunaan, wilayah, dan usia Anda.

T: Bagaimana cara mengunduh Rocket Casino Game?
J: Cukup klik tombol instal berwarna hijau di bagian atas dan ikuti instruksi amannya.

T: Apakah Rocket Casino Game didukung customer service resmi?
J: Ya! Rocket Casino Game memiliki layanan pelanggan resmi yang responsif dan profesional.