将python对象初始化到已经存在的内存中的正确方法是什么(比如c++中的inplace new )
我尝试了这段代码,但是它导致调试版本出现访问冲突,因为没有设置_ob_prev和_ob_next。
//PyVarObject *mem; -previously allocated memory
Py_INCREF(type);
//couldnt get PyObject_HEAD_INIT or PyVarObject_HEAD_INIT to compile
//however the macros resolve to this
PyVarObject init = {{_PyObject_EXTRA_INIT 1, ((_typeobject*)type)}, 0};
*mem = init;
//...other init code for type...崩溃发生在object.c中的1519行
void
_Py_ForgetReference(register PyObject *op)
{
#ifdef SLOW_UNREF_CHECK
register PyObject *p;
#endif
if (op->ob_refcnt < 0)
Py_FatalError("UNREF negative refcnt");
if (op == &refchain ||
op->_ob_prev->_ob_next != op || op->_ob_next->_ob_prev != op) { //----HERE----//
fprintf(stderr, "* ob\n");
_PyObject_Dump(op);
fprintf(stderr, "* op->_ob_prev->_ob_next\n");
_PyObject_Dump(op->_ob_prev->_ob_next);
fprintf(stderr, "* op->_ob_next->_ob_prev\n");
_PyObject_Dump(op->_ob_next->_ob_prev);
Py_FatalError("UNREF invalid object");
}
#ifdef SLOW_UNREF_CHECK
for (p = refchain._ob_next; p != &refchain; p = p->_ob_next) {
if (p == op)
break;
}
if (p == &refchain) /* Not found */
Py_FatalError("UNREF unknown object");
#endif
op->_ob_next->_ob_prev = op->_ob_prev;
op->_ob_prev->_ob_next = op->_ob_next;
op->_ob_next = op->_ob_prev = NULL;
_Py_INC_TPFREES(op);
}发布于 2009-12-27 09:32:02
我们正在做的事情是非常可怕的。除非这个代码路径对性能非常关键,否则我建议您像往常一样在堆上分配对象。
发布于 2009-02-26 00:38:03
从表面上看你的问题,你有几个选择。最快、最脏的方法是在初始化代码中添加一个额外的Py_INCREF。假设您没有refcount错误,refcount永远不会返回到零,释放代码永远不会被调用,并且应该不会发生崩溃。(实际上,这可能是管理静态分配的内置类型对象的方式!)
你可以为你的类型编写一个自定义的分配器和释放分配器,以你喜欢的方式管理内存。实际上,您可以为整个python解释器编写一个自定义分配器和解除分配器。
你可以用普通的方式管理你的python对象,但是在其中存储指向你自己管理的内存中数据的指针。
放眼全局..。你为什么要这么做呢?
另外,你的评论是
我尝试过此代码,但它导致调试版本出现访问冲突,因为未设置_ob_prev和_ob_next。.
和
//couldnt get PyObject_HEAD_INIT or PyVarObject_HEAD_INIT to compile
//however the macros resolve to this是令人担忧的!在讨论更高级的内容之前,您是否成功地定义了使用标准内存管理的类型?
发布于 2009-03-30 21:35:32
你可以看看Py_NoneStruct是如何做到这一点的。您的代码看起来基本上是正确的。
这是一个重新计算错误。静态分配的对象永远不能被释放,所以永远不应该调用_Py_ForgetReference。
如果您希望能够释放它们,则必须使用自定义分配器,而不是静态初始化。
https://stackoverflow.com/questions/581281
复制相似问题