简单的说，slots提供了一种强制声明对象属性的方法。如果在类定义的时候定义了__slots__的值（string列表），这个类的对象就只能使用列表中属性名。
class A(object):
def __init__(self):
self.uuid = 2
self.word = ‘hello'
变成:
class B(object):
__slots__ = ( 'value', ‘other')
def __init__(self):
self.uuid = 2
self.word = ‘hello'
self.other = ‘world' # AttributeError: ‘B’ object has no attribute ‘other’
是不是很像C的结构体？注意__slots__只是起了限定的作用，属性还是要先赋值才读取。
引入slots的主要目的是节省内存。默认python会为每个对象创建一个dict，通过__dict__索引。脚本中定义的属性其实都存在这个dict中。如果类定义了__slots__，创建对象时就不会创建dict，这也就解释了为什么不能随意增加属性了。
能省多少内存呢？dict对象本身只有248bytes。而dict的容量通常是其中有效entry的2~4倍，使用slots不会减少有效entry的数量，因此大概能省一半的空entry。原文中能从25G内存中省下9G，应该是不仅对象很多，而且每个对象的属性很多。考虑到我们实际的应用环境，似乎达不到这样的量。而且服务端很多类都是在C中定义的，其实效果是一样的。
性能上会有提高吗？实测结果几乎没有，从实现上可以看出，其实还是需要做一次dict查找。
目前想到的一个用处是提高可维护性：虽然作为动态语言，允许随意增删对象的属性是个很方便的设定。但是也会对可维护性造成一定的影响。比如一不小心写错属性名。如果是赋值，python会默默的以为是一个新的，导致真正要改的数据没改到，如果是读取，一直到运行时跑到这段代码才会报错。通过定义slots，可以一定程度上避免错误赋值，但是对于错误读取就作用不大了。
关于slots的使用有一些规则和限制，在python自带的文档里有详细说明。
最后是实现的一些细节。代码主要在Objects/typeobject.c。下面两张图是普通类和使用slots的类的区别（红色部分）。
对于普通类A，我们可以看到，它的tp_dictoffset的值是一个偏移量，对应于这个类所创建的对象（比如a）内存中的从头部数到这个偏移量的内存地址，其实是一个PyObject指针。这个指针指向一个dict对象，也就是我们在运行期可以访问到的a.__dict__。脚本中定义的所有属性就保存在这个dict当中。由于这两个指针分别有8字节，因此整个对象a的大小是基本大小16加上8*2，总共32字节。
而对于使用了slots的类B，它的tp_dictoffset就变成了0。换句话说就是没有分配dict对象。那怎么索引到属性呢？其实是上升到了类的层次。在Python中，所有东西都是对象，包括类型本身也是对象，类型对象的类型是PyType_Type（脚本中的type）。听起来很绕，其实这里只是想说明，类型对象是变长对象，包括基本信息加上若干PyMemberDef对象。每个PyMemberDef对象其实就对应于slots中个每个属性声明。而这个类所创建的对象中，也会为每个属性声明分配一个PyObject指针的内存。在初始化类型的时候（PyType_Ready函数），系统会为每个PyMemberDef创建一个descriptor，并在类的__dict__（不是对象的__dict__，从类的tp_dict指向）中建立从属性名到descriptor的映射。
因此，无论哪种方法，都需要进行一次hash查找，区别只是在类的__dict__还是对象的__dict__中。
最后的最后，推荐一下这个不需要安装的在线画图工具：lucidchart