为何带__slots__的对象pickle序列化后体积比不带的更大？

我正在开发的程序频繁因OOM killer崩溃，想在不进行大规模重构的前提下快速降低内存占用。给最常用的类添加__slots__后，却发现其pickle序列化后的体积反而增加了，这是为什么？

class Class:
    def __init__(self, a, b, c):
        self.a = a
        self.b = b
        self.c = c


class ClassSlots:
    __slots__ = ["a", "b", "c"]

    def __init__(self, a, b, c):
        self.a = a
        self.b = b
        self.c = c

cases = [
    Class(1, 2, 3),
    ClassSlots(1, 2, 3),
    [Class(1, 2, 3) for _ in range(1000)],
    [ClassSlots(1, 2, 3) for _ in range(1000)]
]

for case in cases:
    dump = pickle.dumps(case, protocol=5)
    print(len(dump))

在Python 3.10中运行上述代码，输出如下：

59
67
22041
25046

这是因为普通类的实例在pickle序列化时，默认会打包存储实例的__dict__属性字典，而pickle协议5对字典序列化做了关键优化：对于重复出现的键（比如多个实例的a、b、c），只会存储一次键名，后续实例直接复用这个引用，大幅减少了重复数据的体积。

而使用__slots__的类，实例没有__dict__属性，pickle需要逐个序列化每个槽位的属性，并且每个实例都要重复存储槽位的属性名（即使多个实例的属性名完全一致）。这就导致单个实例的序列化体积更大，当序列化大量实例组成的列表时，重复的属性名会累积出更明显的体积差异。

简单总结：普通类靠字典的键复用优化压缩了体积，而__slots__类因为没有__dict__，吃不到这个优化，反而要重复存储属性名，所以序列化体积反而增大。

如果既要保留__slots__的内存节省优势，又想优化pickle体积，可以尝试以下方法：

• 自定义__getstate__和__setstate__方法，手动控制序列化内容，比如把槽位属性打包成元组或带共享键的字典，让pickle能复用属性名引用。示例代码：

  class ClassSlots:
      __slots__ = ["a", "b", "c"]
  
      def __init__(self, a, b, c):
          self.a = a
          self.b = b
          self.c = c
  
      def __getstate__(self):
          # 将槽位属性转为元组，减少序列化时的重复数据
          return (self.a, self.b, self.c)
  
      def __setstate__(self, state):
          self.a, self.b, self.c = state
  

  这样处理后，元组的序列化体积会远小于逐个存储属性名的方式，大量实例列表的序列化体积也会接近普通类的水平。
• 升级到Python 3.11及以上版本，新版本的pickle对__slots__类的序列化做了针对性优化，能有效减少这类体积膨胀问题。

内容的提问来源于stack exchange，提问作者parched