8 月 22 日消息，Meta 日前宣布将在 Python 中加入 Immortal Objects，使得对象可以绕过参照计数检查，成为在执行时持续存活的“不朽对象”，从而提高内存的使用效率，并有助于解除 Python 语言本身在平行运算上的局限。
码农网发现，Meta 使用 Python 网页框架 Django 开发 Instagram 前端，并且使用多程序架构以及 Python 函数库 asyncio，以达到每个程序并行处理的目标，但因为 Instagram 前端无论是在业务逻辑还是处理的请求量层面，规模都十分庞大，开发者当下应用的这个方法，反而造成了对内存的大量需求，从而导致系统出现一系列性能障碍。
随着系统运作，每个服务器程序的私有内存使用增加，而共享内存减少，这样的现象造成内存效率低下。
开发人员分析发现，即便许多 Python 对象在整个执行时不可变，但是 Python 的参照计数和垃圾回收机制仍然会试图管理并修改这些对象，在每次读取和垃圾回收周期仍会执行写入时复制（Copy-On-Write，COW）步骤，使得原本共享的内存分页转为私有，共享内存效率也便因此减少，从而导致不必要的 CPU 和内存成本开销。
当下 Meta 便是为了解决这个问题，从而宣布将在 Python 中加入 Immortal Objects，Immortal Objects 在对象的参照计数字段中，标记特殊值以创建“不朽对象”，也就是“核心对象状态永远不会改变的对象”，Runtime 会知道什么时候可以或是不可以改变参照计数字段和垃圾回收头。
在 Instagram 前端中，开发者原先通过“减少写入时复制操作”，以提高内存和 CPU 效率，当下随着 Immortal Objects 的加入，Instagram 前端便可以通过增加共享内存使用量，来大幅减少私有内存的使用。
由于 Immortal Objects 可以跨线程共享对象，不再需要 GIL（Global Interpreter Lock）达到线程安全性，Meta 认为，这项功能有望促进 Python 语言发展，且由于 Immortal Objects 保证堆对象真正的不可变性，因此也能够解除 Python 在并行运算的一系列限制。
为您推荐与 python 相关的帖子：
- Python 3.12.0 RC1 发布
- Python 3.14.0 Alpha 1 发布
- Python 3.13.0 RC3 发布
- Python 3.13.0 (final) 发布
- Python 3.12.3 和 3.13.0a6 发布
- Python 3.13.0 alpha 2
- Python 3.13.0 发布 alpha 1
- Python 3.12.0 稳定版 & 3.11.6 发布
- Python 3.12.0 第 2 个 RC 版本发布
- Python 3.11.5, 3.10.13, 3.9.18 和 3.8.18 发布
- 为保证平台安全性，Python 第三方套件存储库 PyPI 已强制用户使用双重验证登录
- Python 3.11.0 Beta4 发布
- Python 3.12.0 beta 4 发布
- Python 3.12.0 beta 3 发布
- Python 3.11.4、3.10.12、3.9.17、3.8.17、3.7.17 和 3.12.0 beta 2 现已可用
- Python 3.12 已发布首个测试版
- Python 3.12.0 alpha 4 发布
- Python 3.11.0rc2 发布，正式版推迟至 10 月 24 日
- Python 3.10.7 发布
- Python 3.11.0 首个 RC 发布
- Python 3.10.6 发布
- Python 3.11.0 Beta5 发布，即将进入 RC 阶段
