Python中不可变对象的对象标识差异问题探究

嘿，这个问题问得特别戳中Python实现的细节——关于不可变对象的标识差异，确实是个容易让人摸不着头脑的点，咱们一步步拆解清楚：

先回顾你提到的测试案例 #

# 小整数是单例，大整数则不是
>>> a = 1
>>> b = 1
>>> a is b
True
>>> a = 1000000
>>> b = 1000000
>>> a is b
False

# 所有浮点数的对象标识都不同
>>> a = 0.0
>>> b = 0.0
>>> a is b
False

# 直接赋值的相同字符串是同一对象
>>> a = "1024"
>>> b = "1024"
>>> a is b
True

# 动态生成的相同字符串不是同一对象
>>> a = str(2**10)
>>> b = str(2**10)
>>> a is b
False

# 相同内容的元组对象标识不同
>>> a = (1,2,3)
>>> b = (1,2,3)
>>> a is b
False

问题解答 #

1. 这种标识差异是刻意设计还是实现层面的附带结果？

答案是两者都有，但核心是「实现优化」而非语言规范的强制要求。Python的官方语言规范里，从来没规定过不可变对象必须复用实例，也没禁止复用——这种行为完全是CPython（你用的Ubuntu上的默认解释器）为了节省内存、提升执行效率做的优化取舍。

比如小整数的单例（通常是-5到256之间的整数），就是CPython启动时提前创建好这些高频使用的整数实例，后续用到时直接返回已有引用，这是明确的优化设计；而大整数、浮点数、元组的不复用，是因为复用它们的收益太低：大整数出现频率远低于小整数，浮点数的精度问题导致判断“完全相等”的成本高，元组的内容组合无限多，提前缓存根本不现实，所以解释器选择不做复用，这属于实现层面的取舍，不是语言强制要求的。

2. 为什么字符串和元组、浮点数行为不同，且创建方式会影响标识？

字符串的情况特殊，因为CPython做了两种针对性优化：

• 字符串字面量驻留（String Interning）：当你直接写字符串字面量（比如"1024"）时，解释器会把这些编译期就能确定的字符串存入一个“驻留池”，如果后续出现相同的字面量，直接返回池里的引用，所以a is b为True。这种优化针对的是固定内容的字符串，复用成本极低。
• 动态生成的字符串不自动驻留：像str(2**10)这种是运行时动态生成的字符串，解释器不会自动把它加入驻留池（除非你手动调用sys.intern()），所以每次调用都会创建新实例，导致a is b为False。

而元组和浮点数没有类似的优化：

• 元组的内容可以是任意对象，哪怕表面内容相同，内部元素的引用可能不一样，而且元组的组合方式太多，缓存所有可能的元组完全不现实。
• 浮点数的精度问题（比如0.1 + 0.2 != 0.3）导致判断两个浮点数是否“完全相等”的成本很高，再加上浮点数取值范围极大，提前缓存或自动驻留的收益可以忽略，所以解释器直接放弃了这种优化。

3. 除了使用==比较不可变对象，还有哪些场景要关注这种标识差异？

虽然大部分时候用==比较值就足够，但这些场景必须留意对象标识：

• 单例对象的判断：比如判断变量是否为None、True、False，规范写法是用is（比如if x is None:），而不是==——因为这些是语言级别的单例，用is更高效，也能避免自定义类重载__eq__带来的意外。
• 内存敏感的性能优化：如果你在处理大量重复字符串（比如日志、数据解析），手动调用sys.intern()可以让相同字符串复用同一个实例，大幅减少内存占用，但前提是你确定这些字符串会被重复使用。
• 修改解释器内部对象的风险：就像你早年遇到的情况——小整数是单例，如果你用C修改了解释器里的数字1实例，整个程序中所有用到1的地方都会被影响，这会引发灾难性的bug，所以操作解释器内部对象时，必须清楚哪些是单例。
• 闭包/装饰器的变量捕获问题：比如在循环中定义闭包，不小心的话可能所有闭包都会捕获同一个变量实例，这时候排查问题就需要关注对象标识，确认变量是否被意外共享。

内容的提问来源于stack exchange，提问作者doetoe