缓冲协议

在 Python 中可使用一些对象来包装对底层内存数组或称 缓冲 的访问。此类对象包括内置的 bytesbytearray 以及一些如 array.array 这样的扩展类型。第三方库也可能会为了特殊的目的而定义它们自己的类型,例如用于图像处理和数值分析等。

虽然这些类型中的每一种都有自己的语义,但它们具有由可能较大的内存缓冲区支持的共同特征。 在某些情况下,希望直接访问该缓冲区而无需中间复制。

Python 以 缓冲协议 的形式在 C 层级上提供这样的功能。 此协议包括两个方面:

  • 在生产者这一方面,该类型的协议可以导出一个“缓冲区接口”,允许公开它的底层缓冲区信息。该接口的描述信息在 Buffer Object Structures 一节中;

  • 在消费者一侧,有几种方法可用于获得指向对象的原始底层数据的指针(例如一个方法的形参)。

一些简单的对象例如 bytesbytearray 会以面向字节的形式公开它们的底层缓冲区。 也可能会用其他形式;例如 array.array 所公开的元素可以是多字节值。

缓冲区接口的消费者的一个例子是文件对象的 write() 方法:任何可以输出为一系列字节流的对象可以被写入文件。然而 write() 方法只需要对于传入对象的只读权限,其他的方法,如 readinto() 需要参数内容的写入权限。缓冲区接口使得对象可以选择性地允许或拒绝读写或只读缓冲区的导出。

对于缓冲接口的消费者而言,有两种方式来获取一个目的对象的缓冲:

在这两种情况下,当不再需要缓冲区时必须调用 PyBuffer_Release() 。如果此操作失败,可能会导致各种问题,例如资源泄漏。

缓冲区结构

缓冲区结构(或者简单地称为“buffers”)对于将二进制数据从另一个对象公开给 Python 程序员非常有用。它们还可以用作零拷贝切片机制。使用它们引用内存块的能力,可以很容易地将任何数据公开给 Python 程序员。内存可以是 C 扩展中的一个大的常量数组,也可以是在传递到操作系统库之前用于操作的原始内存块,或者可以用来传递本机内存格式的结构化数据。

与 Python 解释器公开的大多部数据类型不同,缓冲区不是 PyObject 指针而是简单的 C 结构。 这使得它们可以非常简单地创建和复制。 当需要为缓冲区加上泛型包装器时,可以创建一个 内存视图 对象。

有关如何编写并导出对象的简短说明,请参阅 缓冲区对象结构。 要获取缓冲区对象,请参阅 PyObject_GetBuffer()

Py_buffer

  • void *buf

    指向由缓冲区字段描述的逻辑结构开始的指针。 这可以是导出程序底层物理内存块中的任何位置。 例如,使用负的 strides 值可能指向内存块的末尾。

    对于 contiguous ,‘邻接’数组,值指向内存块的开头。

  • void *obj

    对导出对象的新引用。 该引用归使用者所有,并由 PyBuffer_Release() 自动递减并设置为 NULL。 该字段等于任何标准 C-API 函数的返回值。

    作为一种特殊情况,对于由 PyMemoryView_FromBuffer()PyBuffer_FillInfo() 包装的 temporary 缓冲区,此字段为 NULL。 通常,导出对象不得使用此方案。

  • Py_ssize_t len

    product(shape) * itemsize。对于连续数组,这是基础内存块的长度。对于非连续数组,如果逻辑结构复制到连续表示形式,则该长度将具有该长度。

    仅当缓冲区是通过保证连续性的请求获取时,才访问 ((char *)buf)[0] up to ((char *)buf)[len-1] 时才有效。在大多数情况下,此类请求将为 PyBUF_SIMPLEPyBUF_WRITABLE

  • int readonly

    缓冲区是否为只读的指示器。此字段由 PyBUF_WRITABLE 标志控制。

  • Py_ssize_t itemsize

    单个元素的项大小(以字节为单位)。与 struct.calcsize() 调用非 NULL format 的值相同。

    重要例外:如果使用者请求的缓冲区没有 PyBUF_FORMAT 标志,format 将设置为 NULL,但 itemsize 仍具有原始格式的值。

    如果 shape 存在,则相等的 product(shape) * itemsize == len 仍然存在,使用者可以使用 itemsize 来导航缓冲区。

    如果 shapeNULL,因为结果为 PyBUF_SIMPLEPyBUF_WRITABLE 请求,则使用者必须忽略 itemsize,并假设 itemsize == 1

  • const char *format

    struct 模块样式语法中 NUL 字符串,描述单个项的内容。如果这是 NULL,则假定为``“B”`` (无符号字节) 。

    此字段由 PyBUF_FORMAT 标志控制。

  • int ndim

    The number of dimensions the memory represents as an n-dimensional array. If it is 0, buf points to a single item representing a scalar. In this case, shape, strides and suboffsets MUST be NULL.

    The macro PyBUF_MAX_NDIM limits the maximum number of dimensions to 64. Exporters MUST respect this limit, consumers of multi-dimensional buffers SHOULD be able to handle up to PyBUF_MAX_NDIM dimensions.

  • Py_ssize_t *shape

    An array of Py_ssize_t of length ndim indicating the shape of the memory as an n-dimensional array. Note that shape[0] * ... * shape[ndim-1] * itemsize MUST be equal to len.

    Shape 形状数组中的值被限定在 shape[n] >= 0shape[n] == 0 这一情形需要特别注意。更多信息请参阅 complex arrays

    shape 数组对于使用者来说是只读的。

  • Py_ssize_t *strides

    An array of Py_ssize_t of length ndim giving the number of bytes to skip to get to a new element in each dimension.

    Stride 步幅数组中的值可以为任何整数。对于常规数组,步幅通常为正数,但是使用者必须能够处理 strides[n] <= 0 的情况。更多信息请参阅 complex arrays

    strides数组对用户来说是只读的。

  • Py_ssize_t *suboffsets

    An array of Py_ssize_t of length ndim. If suboffsets[n] >= 0, the values stored along the nth dimension are pointers and the suboffset value dictates how many bytes to add to each pointer after de-referencing. A suboffset value that is negative indicates that no de-referencing should occur (striding in a contiguous memory block).

    如果所有子偏移均为负(即无需取消引用),则此字段必须为 NULL (默认值)。

    Python Imaging Library (PIL) 中使用了这种类型的数组表达方式。请参阅 complex arrays 来了解如何从这样一个数组中访问元素。

    suboffsets 数组对于使用者来说是只读的。

  • void *internal

    This is for use internally by the exporting object. For example, this might be re-cast as an integer by the exporter and used to store flags about whether or not the shape, strides, and suboffsets arrays must be freed when the buffer is released. The consumer MUST NOT alter this value.

缓冲区请求的类型

Buffers are usually obtained by sending a buffer request to an exporting object via PyObject_GetBuffer(). Since the complexity of the logical structure of the memory can vary drastically, the consumer uses the flags argument to specify the exact buffer type it can handle.

所有 Py_buffer 字段均由请求类型明确定义。

与请求无关的字段

以下字段不会被 flags 影响,并且必须总是用正确的值填充:obj, buflenitemsizendim

只读,格式

PyBUF_WRITABLE

Controls the readonly field. If set, the exporter MUST provide a writable buffer or else report failure. Otherwise, the exporter MAY provide either a read-only or writable buffer, but the choice MUST be consistent for all consumers.

PyBUF_FORMAT

Controls the format field. If set, this field MUST be filled in correctly. Otherwise, this field MUST be NULL.

PyBUF_WRITABLE can be |’d to any of the flags in the next section. Since PyBUF_SIMPLE is defined as 0, PyBUF_WRITABLE can be used as a stand-alone flag to request a simple writable buffer.

PyBUF_FORMAT can be |’d to any of the flags except PyBUF_SIMPLE. The latter already implies format B (unsigned bytes).

形状,步幅,子偏移量

控制内存逻辑结构的标志按照复杂度的递减顺序列出。注意,每个标志包含它下面的所有标志。

请求

形状

步幅

子偏移量

    PyBUF_INDIRECT

如果需要的话

    PyBUF_STRIDES

NULL

    PyBUF_ND

NULL

NULL

    PyBUF_SIMPLE

NULL

NULL

NULL

连续性的请求

可以显式地请求C 或 Fortran 连续 ,不管有没有步幅信息。若没有步幅信息,则缓冲区必须是 C-连续的。

请求

形状

步幅

子偏移量

邻接

    PyBUF_C_CONTIGUOUS

NULL

C

    PyBUF_F_CONTIGUOUS

NULL

F

    PyBUF_ANY_CONTIGUOUS

NULL

C 或 F

PyBUF_ND

NULL

NULL

C

复合请求

所有可能的请求都由上一节中某些标志的组合完全定义。为方便起见,缓冲区协议提供常用的组合作为单个标志。

In the following table U stands for undefined contiguity. The consumer would have to call PyBuffer_IsContiguous() to determine contiguity.

请求

形状

步幅

子偏移量

邻接

只读

格式

    PyBUF_FULL

如果需要的话

U

0

    PyBUF_FULL_RO

如果需要的话

U

1 或 0

    PyBUF_RECORDS

NULL

U

0

    PyBUF_RECORDS_RO

NULL

U

1 或 0

    PyBUF_STRIDED

NULL

U

0

NULL

    PyBUF_STRIDED_RO

NULL

U

1 或 0

NULL

    PyBUF_CONTIG

NULL

NULL

C

0

NULL

    PyBUF_CONTIG_RO

NULL

NULL

C

1 或 0

NULL

复杂数组

NumPy-风格:形状和步幅

The logical structure of NumPy-style arrays is defined by itemsize, ndim, shape and strides.

If ndim == 0, the memory location pointed to by buf is interpreted as a scalar of size itemsize. In that case, both shape and strides are NULL.

If strides is NULL, the array is interpreted as a standard n-dimensional C-array. Otherwise, the consumer must access an n-dimensional array as follows:

  1. ptr = (char *)buf + indices[0] * strides[0] + ... + indices[n-1] * strides[n-1];
  2. item = *((typeof(item) *)ptr);

As noted above, buf can point to any location within the actual memory block. An exporter can check the validity of a buffer with this function:

  1. def verify_structure(memlen, itemsize, ndim, shape, strides, offset):
  2. """Verify that the parameters represent a valid array within
  3. the bounds of the allocated memory:
  4. char *mem: start of the physical memory block
  5. memlen: length of the physical memory block
  6. offset: (char *)buf - mem
  7. """
  8. if offset % itemsize:
  9. return False
  10. if offset < 0 or offset+itemsize > memlen:
  11. return False
  12. if any(v % itemsize for v in strides):
  13. return False
  14. if ndim <= 0:
  15. return ndim == 0 and not shape and not strides
  16. if 0 in shape:
  17. return True
  18. imin = sum(strides[j]*(shape[j]-1) for j in range(ndim)
  19. if strides[j] <= 0)
  20. imax = sum(strides[j]*(shape[j]-1) for j in range(ndim)
  21. if strides[j] > 0)
  22. return 0 <= offset+imin and offset+imax+itemsize <= memlen

PIL-风格:形状,步幅和子偏移量

除了常规项之外, PIL 风格的数组还可以包含指针,必须跟随这些指针才能到达维度的下一个元素。例如,常规的三维 C 语言数组 char v[2][2][3] 可以看作是一个指向 2 个二维数组的 2 个指针:char (*v[2])[2][3]。在子偏移表示中,这两个指针可以嵌入在 buf 的开头,指向两个可以位于内存任何位置的 char x[2][3] 数组。

这是一个函数,当n维索引所指向的N-D数组中有``NULL``步长和子偏移量时,它返回一个指针

  1. void *get_item_pointer(int ndim, void *buf, Py_ssize_t *strides,
  2. Py_ssize_t *suboffsets, Py_ssize_t *indices) {
  3. char *pointer = (char*)buf;
  4. int i;
  5. for (i = 0; i < ndim; i++) {
  6. pointer += strides[i] * indices[i];
  7. if (suboffsets[i] >=0 ) {
  8. pointer = *((char**)pointer) + suboffsets[i];
  9. }
  10. }
  11. return (void*)pointer;
  12. }

缓冲区相关函数

int PyObject_CheckBuffer(PyObject \obj*)

Return 1 if obj supports the buffer interface otherwise 0. When 1 is returned, it doesn’t guarantee that PyObject_GetBuffer() will succeed. This function always succeeds.

int PyObject_GetBuffer(PyObject \exporter, Py_buffer *view, int flags*)

Send a request to exporter to fill in view as specified by flags. If the exporter cannot provide a buffer of the exact type, it MUST raise PyExc_BufferError, set view->obj to NULL and return -1.

On success, fill in view, set view->obj to a new reference to exporter and return 0. In the case of chained buffer providers that redirect requests to a single object, view->obj MAY refer to this object instead of exporter (See Buffer Object Structures).

Successful calls to PyObject_GetBuffer() must be paired with calls to PyBuffer_Release(), similar to malloc() and free(). Thus, after the consumer is done with the buffer, PyBuffer_Release() must be called exactly once.

void PyBuffer_Release(Py_buffer \view*)

Release the buffer view and decrement the reference count for view->obj. This function MUST be called when the buffer is no longer being used, otherwise reference leaks may occur.

It is an error to call this function on a buffer that was not obtained via PyObject_GetBuffer().

Py_ssize_t PyBuffer_SizeFromFormat(const char \format*)

Return the implied itemsize from format. On error, raise an exception and return -1.

3.9 新版功能.

int PyBuffer_IsContiguous(Py_buffer \view, char order*)

Return 1 if the memory defined by the view is C-style (order is 'C') or Fortran-style (order is 'F') contiguous or either one (order is 'A'). Return 0 otherwise. This function always succeeds.

void* PyBuffer_GetPointer(Py_buffer \view, Py_ssize_t *indices*)

Get the memory area pointed to by the indices inside the given view. indices must point to an array of view->ndim indices.

int PyBuffer_FromContiguous(Py_buffer \view, void *buf, Py_ssize_t len, char fort*)

Copy contiguous len bytes from buf to view. fort can be 'C' or 'F' (for C-style or Fortran-style ordering). 0 is returned on success, -1 on error.

int PyBuffer_ToContiguous(void \buf, Py_buffer *src, Py_ssize_t len, char order*)

Copy len bytes from src to its contiguous representation in buf. order can be 'C' or 'F' or 'A' (for C-style or Fortran-style ordering or either one). 0 is returned on success, -1 on error.

如果 len != src->len 则此函数将报错。

void PyBuffer_FillContiguousStrides(int ndims, Py_ssize_t \shape, Py_ssize_t *strides, int itemsize, char order*)

Fill the strides array with byte-strides of a contiguous (C-style if order is 'C' or Fortran-style if order is 'F') array of the given shape with the given number of bytes per element.

int PyBuffer_FillInfo(Py_buffer \view, PyObject *exporter, void *buf, Py_ssize_t len, int readonly, int flags*)

处理导出程序的缓冲区请求,该导出程序要公开大小为 lenbuf ,并根据 readonly 设置可写性。bug 被解释为一个无符号字节序列。

The flags argument indicates the request type. This function always fills in view as specified by flags, unless buf has been designated as read-only and PyBUF_WRITABLE is set in flags.

On success, set view->obj to a new reference to exporter and return 0. Otherwise, raise PyExc_BufferError, set view->obj to NULL and return -1;

如果此函数用作 getbufferproc 的一部分,则 exporter 必须设置为导出对象,并且必须在未修改的情况下传递 flags。否则,exporter 必须是 NULL