decorator番外: 在python中尋求效率的人腦袋一定有問題
首發於微信公眾號： 硬核程式設計100式 （hardcore_100）
http：//
weixin。qq。com/r/Ty3w6N-
E24KkrZuL93hd
（二維碼自動識別）
Python裡的decorator是個優雅的好東西呀！ 它能保留原function主體邏輯， 避免一堆相關性比較小的程式碼汙染原function。
比如一個function需要對傳入變數做各種型別檢查， 在原function裡做一堆檢查就汙染了原本的邏輯了。
但是如果decorator使用過多， 或者在一個使用率非常高的基礎function上加decorator， 可能你會需要考慮一下效率問題。
最近我就遇到了這樣的問題， 並且糾結於程式碼可讀性和效率的平衡。 但腦子裡另一個聲音一直在吐槽， “你都用python了還考慮什麼效率啊喂！ ”
太長不想看內容: TL;DR:
結論： decorator有overhead（額外開銷）， 它的overhead在於多了一層function call（函式呼叫）。
實驗再次表明decorator不是魔法， 其實它就是多了一層function wrapper， 多了一個function call會導致原function速度慢一點點。
最後再思考一下， lambda會不會也有overhead？
同樣程式碼邏輯, 使用decorator會比較慢
結果：
func_without_decorator time： 3。4235661029815674
func_with_decorator time： 4。4265382289886475
程式碼：
def deco1（func）：
def wrapper（x）：
return x if isinstance（x，dict） else func（x）
return wrapper
def deco2（func）：
def wrapper（x）：
return x if isinstance（x，list） else func（x）
return wrapper
def deco3（func）：
def wrapper（x）：
return x if isinstance（x，float） else func（x）
return wrapper
def deco4（func）：
def wrapper（x）：
return x if isinstance（x，str） else func（x）
return wrapper
@deco4
@deco3
@deco2
@deco1
def func_with_decorator（x）：
return x+x
def func_without_decorator（x）：
if isinstance（x，dict）：
return x
if isinstance（x，list）：
return x
if isinstance（x，float）：
return x
if isinstance（x，str）：
return x
return x+x
import time
loops = 1000000
start = time。time（）
for i in range（loops）：
assert func_without_decorator（i）==i*2， “wut？”
end = time。time（）
print（“func_without_decorator time：”，end-start）
start = time。time（）
for i in range（loops）：
assert func_with_decorator（i）==i*2， “wut？”
end = time。time（）
print（“func_with_decorator time：”，end-start）
純粹新增decorator, 沒有任何程式碼邏輯, 速度也會慢
這個實驗測試了decorator的純overhead。
結果：
func_without_decorator time： 0。9140214920043945
func_with_decorator time： 2。0865042209625244
程式碼：
def deco1（func）：
def wrapper（x）：
return func（x）
return wrapper
def deco2（func）：
def wrapper（x）：
return func（x）
return wrapper
def deco3（func）：
def wrapper（x）：
return func（x）
return wrapper
def deco4（func）：
def wrapper（x）：
return func（x）
return wrapper
@deco4
@deco3
@deco2
@deco1
def func_with_decorator（x）：
return x+x
def func_without_decorator（x）：
return x+x
import time
loops = 1000000
start = time。time（）
for i in range（loops）：
assert func_without_decorator（i）==i*2， “wut？”
end = time。time（）
print（“func_without_decorator time：”，end-start）
start = time。time（）
for i in range（loops）：
assert func_with_decorator（i）==i*2， “wut？”
end = time。time（）
print（“func_with_decorator time：”，end-start）
使用decorator, 和同樣邏輯的額外function call, 效率等同
這個實驗證明了decorator的overhead在於function call。
結果：
func_without_decorator time： 4。68833327293396
func_with_decorator time： 4。719080924987793
程式碼：
def deco1（func）：
def wrapper（x）：
return x if isinstance（x，dict） else func（x）
return wrapper
def deco2（func）：
def wrapper（x）：
return x if isinstance（x，list） else func（x）
return wrapper
def deco3（func）：
def wrapper（x）：
return x if isinstance（x，float） else func（x）
return wrapper
def deco4（func）：
def wrapper（x）：
return x if isinstance（x，str） else func（x）
return wrapper
@deco4
@deco3
@deco2
@deco1
def func_with_decorator（x）：
return x+x
def check1（x）：
return isinstance（x，dict）
def check2（x）：
return isinstance（x，list）
def check3（x）：
return isinstance（x，float）
def check4（x）：
return isinstance（x，str）
def func_without_decorator（x）：
if check1（x）：
return x
if check2（x）：
return x
if check3（x）：
return x
if check4（x）：
return x
return x+x
import time
loops = 1000000
start = time。time（）
for i in range（loops）：
assert func_without_decorator（i）==i*2， “wut？”
end = time。time（）
print（“func_without_decorator time：”，end-start）
start = time。time（）
for i in range（loops）：
assert func_with_decorator（i）==i*2， “wut？”
end = time。time（）
print（“func_with_decorator time：”，end-start）
