第1章：内存模型基础

做量化回测这些年，我踩过最大的坑就是内存。记得有一次，我写了一个看起来完美的回测引擎，跑沪深300全量数据，结果跑了两个小时，内存直接爆了。从那以后，我养成了一个习惯——写代码之前，先想清楚内存里到底发生了什么。

这一章，我们就从最基础的内存模型讲起。别小看这些基础，它们是后面所有优化的根基。

1.1 Python对象内存模型

Python里的一切都是对象。整数是对象，字符串是对象，函数也是对象。每个对象在内存里都占一块地方。这块地方长什么样呢？

每个Python对象都有三个基本部分：

• 对象头：包含引用计数和类型指针
• 数据区：存放实际数据
• 额外字段：比如字典、弱引用等

我举个例子你就明白了。一个简单的整数 a = 42，在内存里可不是只占4个字节。实际上，它占28个字节（64位系统）。为什么？因为对象头就占了16个字节，再加上数据本身和一些对齐填充。

你想想看，如果你有100万个整数，每个多占24个字节，那就是24MB的额外开销。在回测引擎里，这种浪费是致命的。

1.2 引用计数与垃圾回收

Python用引用计数来管理内存。说白了，就是每个对象都记着有多少个变量在引用它。当引用计数降到0，对象就被回收了。

import sys

a = []
print(sys.getrefcount(a))  # 输出2（a本身 + getrefcount的临时引用）

b = a
print(sys.getrefcount(a))  # 输出3

del b
print(sys.getrefcount(a))  # 输出2

这里有个坑，我踩过好几次。循环引用会导致内存泄漏。比如两个对象互相引用，它们的引用计数永远不会降到0。

Python的垃圾回收器（GC）主要处理循环引用。它分代回收，对象越老，检查频率越低。这个设计很聪明，因为大部分对象都是朝生暮死的。

代	触发条件	检查频率
第0代	分配次数 - 回收次数 > 700	最高
第1代	第0代回收10次	中等
第2代	第1代回收10次	最低

我个人习惯在回测引擎里手动控制GC。比如在回测开始前禁用GC，结束后再启用。这样可以避免回测过程中GC暂停导致的性能抖动。

1.3 sys.getsizeof()与内存分析工具

想知道一个对象占多少内存？用 sys.getsizeof()。但这个函数有个坑——它只返回对象本身的大小，不包含引用的对象。

import sys

a = [1, 2, 3]
print(sys.getsizeof(a))  # 输出列表本身的大小，约88字节
# 列表里的整数对象不包含在内

要算完整的内存占用，得用 asizeof 或者自己递归计算。我推荐用 pympler 这个库，它算得准。

from pympler import asizeof

a = [1, 2, 3]
print(asizeof.asizeof(a))  # 输出完整大小，包含所有子对象

其他好用的工具还有：

• memory_profiler：逐行分析内存使用
• objgraph：可视化对象引用关系
• guppy3：堆内存分析

嗯，这里要注意，分析工具本身也会消耗内存。在生产环境慎用，但在开发阶段，它们是救命稻草。

1.4 __slots__优化原理

这是Python里一个被低估的优化手段。默认情况下，每个类实例都有一个 __dict__ 字典来存储属性。字典的开销很大，每个实例光字典就占几百字节。

__slots__ 的原理很简单：告诉Python，这个类的实例只有这些属性，别用字典了，用固定大小的数组来存。

class Trade:
    __slots__ = ('price', 'volume', 'timestamp')
    
    def __init__(self, price, volume, timestamp):
        self.price = price
        self.volume = volume
        self.timestamp = timestamp

效果有多明显？我测试过，一个简单的订单类，用 __slots__ 后内存占用减少了60%以上。在回测引擎里，如果有100万个订单对象，这就是几百MB的差距。

但 __slots__ 也有代价。你不能动态添加新属性了，也不能用 __dict__。如果类需要继承，子类也得定义 __slots__，否则父类的优化就白费了。

我的建议是：在回测引擎的核心数据结构上（比如K线、订单、持仓），一定要用 __slots__。这些对象数量大，生命周期长，优化收益最明显。

知识体系总览

下面这张图，是我自己画的内存模型知识体系。你可以看到，四个知识点是层层递进的：

这张图的核心逻辑是：先理解Python对象在内存里怎么存的（对象模型），再搞懂内存怎么管理（引用计数和GC），然后学会怎么测量和分析（工具），最后用 __slots__ 这样的手段来优化。每一步都是下一步的基础。

好了，这一章的内容就到这里。记住，内存优化不是炫技，而是实打实的性能提升。在回测引擎里，每一字节都值得珍惜。

---

公众号:蓝海资料掘金营，微信deep3321