面试题：Python字典存储类似对象时的性能优化

字典数据结构特点优化

使用合适的键：
- 字典是基于哈希表实现的，键的选择对性能影响很大。应选择不可变且哈希值计算快速的对象作为键。例如，对于用户记录，可以使用用户ID（假设为整数或字符串）作为键，而不是使用包含多个属性的复杂对象。
- 示例代码：
```
# 以用户ID作为键存储用户记录
users = {}
user_id = 1
user_info = {'name': 'Alice', 'address': '123 Street', 'phone': '123 - 456 - 7890'}
users[user_id] = user_info
```
预分配空间：
- 虽然Python的字典会动态扩展，但如果能提前预估数据量，可以使用dict.fromkeys()方法预分配一定数量的槽位，减少动态扩展带来的性能开销。不过，要注意预分配过多空间可能会浪费内存。
- 示例代码：
```
estimated_user_count = 10000
users = dict.fromkeys(range(estimated_user_count))
for i in range(estimated_user_count):
    user_info = {'name': f'User_{i}', 'address': f'Address_{i}', 'phone': f'Phone_{i}'}
    users[i] = user_info
```

内存管理优化

使用更紧凑的数据结构：

对于存储大量类似对象，可以考虑使用collections.namedtuple或dataclass来代替字典存储每个对象的属性。namedtuple是不可变的，占用内存比字典少；dataclass相对灵活且在Python 3.7+ 也有较好的内存优化。
示例代码：

from collections import namedtuple
User = namedtuple('User', ['name', 'address', 'phone'])
users = {}
user_id = 1
user = User('Bob', '456 Avenue', '456 - 789 - 0123')
users[user_id] = user

from dataclasses import dataclass
@dataclass
class User:
    name: str
    address: str
    phone: str
users = {}
user_id = 2
user = User('Charlie', '789 Road', '789 - 012 - 3456')
users[user_id] = user

内存释放与垃圾回收：
- 及时删除不再使用的字典项，Python的垃圾回收机制会自动回收内存。例如，如果删除某个用户记录，可以使用del关键字。
- 示例代码：
```
users = {1: {'name': 'Alice', 'address': '123 Street', 'phone': '123 - 456 - 7890'}}
del users[1]
```

其他优化措施

缓存查询结果：
- 如果某些查询是重复的，可以缓存查询结果。例如，如果经常查询某个用户的地址，可以在首次查询后缓存结果。
- 示例代码：
```
cache = {}
def get_user_address(user_id, users):
    if user_id not in cache:
        cache[user_id] = users[user_id]['address']
    return cache[user_id]
```

星途面试题库

面试题：Python字典存储类似对象时的性能优化

知识考点

面试题答案

字典数据结构特点优化

内存管理优化

其他优化措施