这篇“Cpython3.9源码分析python中的大小整数”文章的知识点大部分人都不太理解，所以小编给大家总结了以下内容，内容详细，步骤清晰，具有一定的借鉴价值，希望大家阅读完这篇文章能有所收获，下面我们一起来看看这篇“Cpython3.9源码分析python中的大小整数”文章吧。
小整数
/* interpreter state */ #define _PY_NSMALLPOSINTS 257 #define _PY_NSMALLNEGINTS 5
这是
CPython中定义的两个常量，它们用于控制解释器状态中的小整数对象池。在
CPython中，小整数对象池是一种优化机制，用于减少对常用小整数的内存分配和销毁开销。
_PY_NSMALLPOSINTS定义了正小整数对象池的大小。在这里，其值设置为257，表示解释器将为从0到256（包含0和256）的整数预分配对象并缓存。这些整数在很多场景下会被频繁使用，所以事先创建并缓存它们可以提高性能。
_PY_NSMALLNEGINTS定义了负小整数对象池的大小。在这里，其值设置为5，表示解释器将为从-1到-5（包含-1和-5）的整数预分配对象并缓存。
在Python解释器启动时，这些小整数对象会被创建并放入对象池。当需要这些整数值时，解释器会直接从对象池中获取对应的对象，而不是动态创建新对象。这样，对于这些小整数值的操作可以更快地进行，节省了内存分配和销毁的开销。
static PyObject *
get_small_int(sdigit ival)
{
assert(IS_SMALL_INT(ival));
PyThreadState *tstate = _PyThreadState_GET();
PyObject *v = (PyObject*)tstate->interp->small_ints[ival + NSMALLNEGINTS];
Py_INCREF(v);
return v;
}
typedef int32_t sdigit; /* signed variant of digit */
#define IS_SMALL_INT(ival) (-NSMALLNEGINTS <= (ival) && (ival) < NSMALLPOSINTS)这是
get_small_int函数的实现，它用于从小整数对象池中获取一个指定值的小整数对象。小整数对象池包含了一定范围内的整数对象，主要是为了避免对这些常用的整数对象进行频繁的内存分配和销毁。
get_small_int函数接受一个
sdigit类型的参数
ival，表示要获取的整数值。在函数内部，首先使用
assert(IS_SMALL_INT(ival))确保传入的整数值
ival在小整数对象池的范围内。
接下来，函数获取当前线程状态（
PyThreadState）并从其中获取解释器状态（
tstate->interp）。解释器状态包含了小整数对象池，即
small_ints数组。
然后，根据
ival计算出在
small_ints数组中的索引（
ival + NSMALLNEGINTS），并将对应位置的对象赋值给
v。
NSMALLNEGINTS是一个宏定义，表示负小整数的个数。假设我们有一个整数值
ival，我们想要在
small_ints数组中查找这个值对应的预分配的小整数对象。
NSMALLNEGINTS是预分配的负数的数量。在
CPython中，
NSMALLNEGINTS的值通常为5，表示有5个预分配的负整数对象（-1, -2, -3, -4, -5）。
现在，我们将通过计算
ival + NSMALLNEGINTS来找到
small_ints数组中的索引。例如，假设
ival为3。那么，我们可以计算索引如下：
index = ival + NSMALLNEGINTS index = 3 + 5 index = 8
这意味着
small_ints数组中的第8个元素（从0开始计数）是我们要查找的整数对象。在这个例子中，我们将找到预分配的小整数对象3，并将其引用计数加1，然后返回这个对象。
接下来，通过调用
Py_INCREF(v)增加
v的引用计数，以防止对象在其引用计数变为0时被错误地回收。
最后，返回指向小整数对象的指针
v。
总之，
get_small_int函数的作用是从小整数对象池中获取一个指定值的小整数对象，并增加其引用计数，然后返回该对象。这样可以提高对常用小整数的操作性能。
大整数
/* Long integer representation. The absolute value of a number is equal to SUM(for i=0 through abs(ob_size)-1) ob_digit[i] * 2**(SHIFT*i) Negative numbers are represented with ob_size < 0; zero is represented by ob_size == 0. In a normalized number, ob_digit[abs(ob_size)-1] (the most significant digit) is never zero. Also, in all cases, for all valid i, 0 <= ob_digit[i] <= MASK. The allocation function takes care of allocating extra memory so that ob_digit[0] ... ob_digit[abs(ob_size)-1] are actually available. CAUTION: Generic code manipulating subtypes of PyVarObject has to aware that ints abuse ob_size's sign bit. */
这是
CPython源码中关于长整数表示的一段注释。它解释了
PyLongObject如何表示大整数的绝对值和符号。让我们逐行分析这个注释：
1.首先，注释指出大整数的绝对值等于：
SUM(for i=0 through abs(ob_size)-1) ob_digit[i] * 2**(SHIFT*i)
ob_digit表示长整数的每个“数字”，
SHIFT是每个“数字”的位数，通常为30或15。
ob_size表示长整数的符号和长度，它的绝对值表示长整数的长度，即“数字”的个数。
2.对于负数，
ob_size小于0。对于0，
ob_size等于0。
3.在规范化的数中，最高有效位（即最高“数字”）永远不会为零。此外，在所有情况下，对于所有有效的i，
ob_digit[i]的取值范围在0到
MASK之间。
MASK的值通常为
(1 << PyLong_SHIFT) - 1，即
2**PyLong_SHIFT - 1。
4.注释还提到分配函数负责分配额外的内存，以确保
ob_digit[0]到
ob_digit[abs(ob_size)-1]实际上是可用的。
5.最后，注释中的“警告”部分提醒开发者，操纵
PyVarObject子类型的通用代码需要注意整数会滥用
ob_size的符号位。这是因为
ob_size的符号位同时表示整数的长度和符号，而通常情况下
ob_size仅用于表示长度。
额外解释
ob_digit是一个表示大整数中每个 “数字” 的数组，它是一个整数数组，用于表示长整数对象（
PyLongObject）中的整数值。每个 “数字” 都有一个固定的位数，由
PyLong_SHIFT定义（通常为 30 或 15）。例如，假设我们有一个长整数对象，其值为 12345678901234567890。
在这个例子中，假设
PyLong_SHIFT为 30，这意味着每个 “数字” 可以表示 2^30 = 1073741824 个不同的值。为了将这个大整数表示为
ob_digit数组，我们需要将整数拆分为基于 2^30 的 “数字”。在这种情况下，我们可以将整数表示为：
12345678901234567890 = 4 * 2^(30*2) + 726238597 * 2^(30*1) + 1026062870 * 2^(30*0)
所以，
ob_digit数组将包含以下元素：
ob_digit[0] = 1026062870 ob_digit[1] = 726238597 ob_digit[2] = 4
在实际的
CPython源码中，
PyLongObject的定义如下：
typedef struct {
PyObject_VAR_HEAD
digit ob_digit[1];
} PyLongObject;在这里，
ob_digit是一个长度为1的数组，但实际上，它是一个可变长度数组，根据所需的 “数字” 数量动态分配。要注意的是，当一个
PyLongObject被创建时，会根据整数值的大小动态分配适当数量的空间来存储
ob_digit数组。