Tại sao máy ảo python có co_names thay vì chỉ sử dụng co_consts?

Question

Một đối tượng mã được tạo bởi trình biên dịch Python chứa một bộ các hằng số được sử dụng trong các hướng dẫn (có tên là co_consts) và cũng có một tên chứa các tên (có tên là co_names).

Tại sao có hai danh sách riêng biệt? Sẽ không đơn giản hơn khi chỉ sử dụng co_consts cho tên?

Answer 1

Hãy xem xét chức năng sau.

def f(x): 
    x += n 
    return x * 4 

Ở đây x là tên địa phương, giá trị của nó có thể thay đổi. 4 là hằng số. Giá trị của nó sẽ không bao giờ thay đổi. Tuy nhiên, nó vẫn là một đối tượng và nó tốt hơn để cache chúng hơn là tạo một đối tượng mới mỗi lần nó cần thiết. Cuối cùng, n là tham chiếu toàn cầu. Chuỗi "n" được lưu trữ bởi hàm để nó có thể được sử dụng làm khóa để truy xuất n từ ngữ cảnh chung của hàm.

>>> f.__code__.co_nlocals # just 1 (for x) 
1 
>>> f.__code__.co_consts 
(None, 4) 
>>> f.__code__.co_names 
('n',) 
>>> "n" in f.__globals__ and globals() is f.__globals__ 
True 

Lý do giữ tên và tách riêng biệt là nhằm mục đích nội tâm. Lý do thực sự duy nhất để hợp nhất các bộ nhớ sẽ là hiệu quả bộ nhớ, mặc dù điều này sẽ chỉ giúp bạn có được một đối tượng và một con trỏ cho mỗi hàm. Hãy xem xét các chức năng sau đây.

def g(): 
    return "s" * n 

Nếu tuple chứa consts được sáp nhập với tên tuple chứa sau đó bạn (không phải VM) sẽ không thể để cho các giá trị đã cho globals truy cập và đó là hằng số của hàm.

Answer 2

Tôi biết câu trả lời này cũng giống như 11 tháng hết hạn nhưng từ mày mò của tôi có vẻ như sau đang xảy ra

Để truy cập co_names trong bytecode, ai sử dụng LOAD_GLOBAL (index tên đồng) và điều này đẩy một tham chiếu đến co_names mong muốn vào stack, ví dụ như nó gián tiếp

Để truy cập co_consts trong bytecode, ai sử dụng LOAD_CONST (đồng consts index) và điều này đẩy giá trị thực tế được lưu trữ tại co_consts mong muốn vào stack, ví dụ trực tiếp

tôi nó 'không chắc chắn nó có bất kỳ mang trực tiếp ở một mức độ trăn, nhưng ở một cấp độ bytecode một profou của nó nd khác biệt