为什么Python 3的性能优化对类实例化速度有显著提升？

Python 3.13类实例化加速源于内存分配器重构，引入线程本地缓存消除全局锁争抢，小对象创建吞吐量提升2–3倍；__slots__与属性访问优化协同使读写延迟降约35%。

Python 3.13 的类实例化加速来自内存分配器重构

核心原因是 Python 3.13 重写了底层内存分配器，引入线程本地缓存（Thread-Cache），让小对象（如普通实例）的 __new__ 分配不再争抢全局锁。实测显示，高频创建轻量实例（比如数据模型、DTO 对象）时，实例化吞吐量可提升 2–3 倍，不是靠语法糖或 JIT，而是分配路径变短、无锁、局部性更强。

__slots__ 在 Python 3 中的性能收益被进一步放大

Python 3.13 的属性访问优化（如内联缓存）与 __slots__ 协同作用更明显：没有 __dict__ 查找开销 + 更快的 slot 地址计算 + 缓存命中率提升，使得属性赋值和读取延迟下降约 35%。尤其在循环中反复访问 obj.field 的场景，差异肉眼可见。

• 必须显式声明 __slots__ = ['a', 'b']，否则不生效
• 一旦用了 __slots__，就不能动态添加属性（obj.c = 1 会报 AttributeError）
• 继承链中只要任一父类定义了 __slots__，子类也需明确定义，否则会静默失效

实例化慢的常见误判点：别把 I/O 或初始化逻辑当瓶颈

很多人测出 MyClass() 慢，其实是 __init__ 里做了日志、网络请求、或调用了未缓存的 os.path.exists()。Python 3.13 再快，也救不了这些外部延迟。真正要对比的是纯构造：lambda: MyClass.__new__(MyClass) vs lambda: MyClass()。

• 用 cProfile 看 __init__ 占比，而非只看函数调用总耗时
• 避免在 __init__ 中做任何非必要工作；把耗时操作推迟到首次访问属性时（惰性加载）
• __new__ 中不要手动调用 super().__new__() 多余次数——Python 3.13 对单继承路径做了跳过优化，但多重继承下仍可能退化

PYTHON_FAST_CALL=1 对实例方法调用有间接影响

虽然该环境变量主要加速函数调用，但它让 obj.method() 这类绑定方法调用的字节码执行更快，从而降低“实例化后立刻调用方法”这一连贯路径的端到端延迟。不过它不改变实例化本身，也不影响 __new__ 或 __init__ 的 C 层行为。

立即学习“Python免费学习笔记（深入）”；

• 启用方式：启动前设 PYTHON_FAST_CALL=1，仅对 Python 3.13+ 有效
• 不兼容某些调试工具（如旧版 pdb 断点），生产可用，开发期建议关闭
• 对纯数据类（@dataclass）效果有限，因其实例化已高度内联

实际提速效果高度依赖对象大小和构造模式。一个带 5 个字段、无外部依赖的 @dataclass(slots=True) 类，在 Python 3.13 下每秒能多创建 40 万实例——但如果你的 __init__ 里调了一次 Redis，这个数字就毫无意义。