Python中小整数缓存对is运算结果的影响

在 Python 中对相同的数值执行比较时，开发者常常会遇到令人困惑的现象：同样是比较两个相等的整数，有时使用 is 返回 True，有时却返回 False。其根本原因在于官方 CPython 解释器内置了小整数缓存机制（Small Integer Cache）。本文直接剖析小整数缓存的范围、底层实现机制，深入解答它对 is 与 == 比较结果带来的直接影响，并提供明确的编写规范。

一、现象引入：令人困惑的整数比对结果

打开 Python 原生交互式命令行（REPL），分别执行以下两组代码：

>>> a = 256
>>> b = 256
>>> a is b
True

>>> x = 257
>>> y = 257
>>> x is y
False

在数值完全相等的前提下，数值为 256 时 a is b 判定为真，而换成 257 后 x is y 却判定为假。然而，若改用 == 运算符：

>>> a == b
True
>>> x == y
True

两者均稳定返回 True。这种行为并非 Python 出现计算偏差，而是因为 is 运算符与 == 运算符检查的本质完全不同，且 CPython 在内存管理上做出了特定的缓存优化。

二、CPython 小整数缓存机制的本质

在 Python 中，整数属于不可变对象（Immutable Object）。在日常编程中，较小的整数（如计数器 0、状态标记 1、索引值等）使用频率极高。如果每次用到这些数字都在堆内存上开辟新内存空间、创建 PyLongObject 并在用完后回收，会带来显著的内存碎片与性能损耗。

为此，CPython 在虚拟机启动时，预先在全局内存中初始化了一个固定区间的整数对象数组。这一区间被硬编码在 CPython 源码中：

• 下限常量 NSMALLNEGINTS：默认为 -5
• 上限常量 NSMALLPOSINTS：默认为 256

凡是落在闭区间 [-5, 256] 内的整数（共 262 个），在解释器运行生命周期内都是全局单例对象。每次代码中给变量赋予该区间的整数时，解释器不会分配新内存，而是直接返回对应预置对象的内存指针。

三、is 运算符的底层逻辑与判定推导

要理解为什么小整数缓存会直接左右 is 的运算结果，必须厘清 is 与 == 的求值逻辑差异：

• is 运算符（Identity 测试）：检验两个变量是否引用内存中的同一个物理对象。其执行效率极高，直接比对两个指针地址，相当于 CPython 内部的 id(a) == id(b)。
• == 运算符（Equality 测试）：检验两个变量的数值或内容是否等价。它会调用对象的 __eq__() 特殊方法逐项比对数据内容。

当执行赋值与 is 运算时，解释器的内部判定推导流程如下：

通过上述推导可以发现：小整数下 a is b 返回 True，完全是内存池复用带来的“副作用”，并非 is 本身具有数值比对的能力。

四、环境差异：为什么脚本执行与交互式命令行不同？

许多初学者还会遇到另一个反常现象：如果将同样的比较语句写在一个 .py 脚本文件中执行：

# test.py
x = 257
y = 257
print(x is y)

运行该脚本，终端输出的居然是 True！

这是否意味着小整数缓存的上限并非 256？答案是否定的。造成这一现象的原因是代码块（Code Block）的常量折叠与常量表优化：

• REPL 模式：在交互式命令行中，用户每输入一行，解释器就立即将其编译为一个独立的代码块（Code Object）并执行。由于 x = 257 与 y = 257 属于两个独立编译周期，257 又超出了小整数缓存，因此分别在堆上创建了两个对象。
• 脚本或函数体：整个脚本模块或函数体被作为一个整体代码块统一编译。在编译期，Python 优化器会分析该代码块的常量池（co_consts）。当发现同一代码块中重复出现了字面量 257 时，编译器复用了同一个常量对象。

这种常量折叠依赖于代码是否处于同一编译单元，如果跨越模块或通过动态计算（如 int("257")），这一优化便不复存在。因此，切勿将编译器优化当成稳定的语言保证。

五、业务开发中的隐蔽陷阱与正确规范

误用 is 比较整数会在实际项目中埋下极难排查的重大 Bug。例如以下代码：

def process_order(status_code):
    # 错误写法：利用 is 判断状态码
    if status_code is 200:
        return "成功"
    elif status_code is 500:
        return "服务器错误"
    return "未知状态"

这段代码在测试时传入 200 能够正常工作，因为 200 落在 [-5, 256] 内，命中全局缓存；但当生产环境传入 500 时，status_code is 500 极大概率判定为 False，导致业务逻辑直接落入“未知状态”异常分支。

六、总结与核心看板

Python 中小整数缓存是为了提高虚拟机运行效率而采取的底层优化实现。它使得 [-5, 256] 的整数对象在全局范围内共享单例。理解该机制有助于看清对象生命周期与内存分配细节，但在编写业务代码时，绝不能依赖这一实现细节来判断数值相等。