您好,登錄后才能下訂單哦!
本篇文章為大家展示了如何在Python 中使用@lazyprop 裝飾器,內容簡明扼要并且容易理解,絕對能使你眼前一亮,通過這篇文章的詳細介紹希望你能有所收獲。
pip install lazyprop
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
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
面向切面編程(AOP)是一種編程思想,與OOP并不矛盾,只是它們的關注點相同。面向對象的目的在于抽象和管理,而面向切面的目的在于解耦和復用。
1)java中mybatis的@Transactional注解,大家知道被這個注解注釋的函數立即就能獲得DB的事務能力。
2)python中的with threading.Lock(),大家知道,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,并且可以輕松的做到代碼復用。
當然你可以使用with上下文管理器實現一些AOP的思想,這里有個模塊叫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中的裝飾器怎么樣實現AOP編程。
python中的裝飾器就是設計來實現切面注入功能的。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。
只要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
只要do函數被@degrade裝飾,就會安裝app名稱校驗redis里的開關,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
那么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
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,就獲得了這樣的能力。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
在分布式+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,一旦唯一鍵實現了,就可以使用公共緩存redis進行唯一鍵判定了。
do函數被unique裝飾,那么對于task_id對應的任務,全局只會執行一次。
@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
python常用的庫:1.requesuts;2.scrapy;3.pillow;4.twisted;5.numpy;6.matplotlib;7.pygama;8.ipyhton等。
上述內容就是如何在Python 中使用@lazyprop 裝飾器,你們學到知識或技能了嗎?如果還想學到更多技能或者豐富自己的知識儲備,歡迎關注億速云行業資訊頻道。
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。