Python 中@lazyprop 裝飾器的用法
安裝
pip install lazyprop
例子1
from lazyprop import lazyprop class Foo(object): def __init__(self): self.load_count = 0 @lazyprop def lazy(self): self.load_count += 1 f = Foo() f.lazy f.lazy f.lazy print(f.load_count)
輸出:
1
例子2
from lazyprop import lazyprop class Foo(object): def __init__(self): self.load_count = 0 # @lazyprop def lazy(self): self.load_count += 1 f = Foo() f.lazy f.lazy f.lazy print(f.load_count)
輸出:
0
補充:python語言中的AOP利器:裝飾器
一、前言
面向切面編程(AOP)是一種編程思想,與OOP並不矛盾,隻是它們的關註點相同。面向對象的目的在於抽象和管理,而面向切面的目的在於解耦和復用。
舉兩個大傢都接觸過的AOP的例子:
1)java中mybatis的@Transactional註解,大傢知道被這個註解註釋的函數立即就能獲得DB的事務能力。
2)python中的with threading.Lock(),大傢知道,被這個with代碼塊包裹的部分立即獲得同步的鎖機制。
這樣我們把事務和加鎖這兩種與業務無關的邏輯抽象出來,在邏輯上解耦,並且可以輕松的做到代碼復用。
二、上下文管理器contextlib
當然你可以使用with上下文管理器實現一些AOP的思想,這裡有個模塊叫contextlib可以幫助你簡易的實現上下文管理器。
上下文管理最常見的例子是with open(‘file’) as fh,回收打開句柄的例子。
這種方式還是比較麻煩的,下面我們看一下python中的裝飾器怎麼樣實現AOP編程。
三、裝飾器:AOP的語法糖
python中的裝飾器就是設計來實現切面註入功能的。下面給出幾個例子,這幾個例子都是在生產環境驗證過的。
其中的任務管理機是偽代碼,需要自己實現寫數據庫的邏輯。
1、重試邏輯
隻要do函數被@retry_exp裝飾,便可以獲得指數退避的重試能力。
@retry_exp(max_retries=10) def do(): # do whatever pass
那retry_exp是如何實現的呢?
def retry_exp(max_retries=3, max_wait_interval=10, period=1, rand=False): def _retry(func): def __retry(*args, **kwargs): MAX_RETRIES = max_retries MAX_WAIT_INTERVAL = max_wait_interval PERIOD = period RAND = rand retries = 0 error = None ok = False while retries < MAX_RETRIES: try: ret = func(*args, **kwargs) ok = True return ret except Exception, ex: error = ex finally: if not ok: sleep_time = min(2 ** retries * PERIOD if not RAND else randint(0, 2 ** retries) * PERIOD, MAX_WAIT_INTERVAL) time.sleep(sleep_time) retries += 1 if retries == MAX_RETRIES: if error: raise error else: raise Exception("unknown") return __retry return _retry
2、降級開關
隻要do函數被@degrade裝飾,就會安裝app名稱校驗redis裡的開關,一旦發現開關關閉,則do函數不被執行,也就是降級。
@degrade def do(app): # do whatever pass
那麼degrade是怎樣實現的呢?
def degrade(app): def _wrapper(function): def __wrapper(*args, **kwargs): value = None try: redis = codis_pool.get_connection() value = redis.get("dmonitor:degrade:%s" % app) except Exception, _: logger.info(traceback.format_exc()) if not value or int(value) != 1: function() logger.info("[degrade] is_on: %s" % app) else: logger.info("[degrade] is_off: %s" % app) return __wrapper return _wrapper
3、任務狀態機
這個是最常用的,我們需要跟蹤落盤DB一個任務的執行狀態(等待調度,執行中,執行成功,執行失敗)
一旦do方法被@tasks_decorator裝飾,就獲得瞭這樣的能力。對item_param(是個json)中task_id指明的任務進行狀態管理。
@tasks_decorator def do(item_param): # do whatever pass
tasks_decorator是怎樣實現的呢?
def tasks_decorator(function): def _wrap(*args, **kwargs): param_dict = kwargs.get('item_param') task_id = param_dict.get('task_id') try: param_dict.update({'status': TaskStatus.Waiting, 'start_time': datetime.now().strftime('%Y-%m-%d %H:%M:%S')}) try: manager_dao.save_task(param_dict) except Exception, ex: pass _update_task_status(task_id, TaskStatus.Doing) function(*args, **kwargs) _update_task_status(task_id, TaskStatus.Done) except Exception as e: time.sleep(0.5) _update_task_status(task_id, TaskStatus.Fail, unicode(e.message)) raise return _wrap
4、全局唯一性
在分佈式+異步環境中,如果想保證exactly once是需要額外的邏輯的,其實主要是實現唯一鍵,一旦唯一鍵實現瞭,就可以使用公共緩存redis進行唯一鍵判定瞭。
do函數被unique裝飾,那麼對於task_id對應的任務,全局隻會執行一次。
@unique def do(task_id): # do whatever pass
unique是怎樣實現的呢?
def unique(function): def _wrap(*args, **kwargs): task_id = kwargs.get('task_id') try: redis = codis_pool.get_connection() key = "unique:%s" % task_id if not redis.setnx(key): redis.expire(key, 24*60*60) function(*args, **kwargs) except Exception as e: logger.error(traceback.format_exc()) raise return _wrap
四、總結
AOP在少量增加代碼復雜度的前提下,顯著的獲得以下優點:
1、使得功能邏輯和業務邏輯解耦,功能和業務的修改完全獨立,代碼結構清晰,開發方便
2、一鍵註入,代碼復用程度高,擴展方便
以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。
推薦閱讀:
- Django中celery的使用項目實例
- PHP使用Redis隊列執行定時任務實例講解
- 解決axios:"timeout of 5000ms exceeded"超時的問題
- python基礎之函數
- python 裝飾器重要在哪