装饰器与代理

装饰器是 Python 的招牌语法，也是代理模式的天然实现。面试主线：装饰器原理、lru_cache 缓存代理、代理模式的三种形态、和 Java AOP 的区别。

装饰器原理

装饰器本质是接收函数、返回函数的函数（闭包）：

import functools

def logged(func):
    @functools.wraps(func)          # 保留原函数元信息
    def wrapper(*args, **kwargs):
        print(f"call {func.__name__}")
        return func(*args, **kwargs)
    return wrapper

@logged
def add(a, b):
    return a + b

要点：

@logged 等价于 add = logged(add)，函数对象被替换为包装层
functools.wraps 复制 __name__、__doc__ 等，否则调试和文档全乱
带参装饰器（如 @cache(ttl=60)）是装饰器工厂：外层函数返回装饰器
多个装饰器从下往上包装，执行时从上往下（洋葱）

lru_cache：缓存代理

from functools import lru_cache

@lru_cache(maxsize=128)
def get_user(user_id: int):
    return db.query(user_id)

按参数缓存返回值，命中直接返回（代理模式：替真实对象挡请求）
应用：昂贵计算、重复查询、FastAPI 依赖单例（见单例篇）
注意：参数必须可哈希；缓存的是返回值，对象可变时要小心

代理模式的三种形态

形态	意图	Python 写法
虚拟代理	延迟创建昂贵对象	惰性属性（`@property` 首次访问才建）
缓存代理	缓存重复结果	`lru_cache`
保护代理	控制访问权限	权限校验装饰器（`@require_auth`）
远程代理	本地接口访问远端	requests 客户端封装、RPC stub

def require_auth(func):
    @functools.wraps(func)
    def wrapper(request, *args, **kwargs):
        if not request.user:
            raise PermissionError("未登录")
        return func(request, *args, **kwargs)
    return wrapper

与 Java AOP 的对比

维度	Python 装饰器	Java AOP（Spring）
织入方式	运行时直接包装函数	代理对象（JDK 动态代理/CGLIB）
声明位置	函数上方装饰器语法	注解 + 切面配置
粒度	函数级，显式	切点表达式批量匹配（类/方法/包）
横切能力	手动写	通知类型齐全（Before/After/环绕）
反射依赖	无	依赖代理机制

共同点：都是在不改原代码的前提下增强行为（日志、鉴权、事务）。差异：Python 装饰器是显式逐函数标注，AOP 是声明式批量织入。Python 的横切可以用装饰器组合模拟，但没有 AOP 的切点表达式。

面试追问

装饰器实现原理？ 闭包：外层接收函数返回包装函数。@ 语法就是赋值替换
functools.wraps 为什么必要？ 不复制元信息，包装后 name/doc 丢失，调试和文档受损
lru_cache 是代理吗？ 是缓存代理：参数命中直接返回缓存，不调用原函数
装饰器和 AOP 的区别？ 装饰器显式逐函数、运行时包装；AOP 声明式批量织入、切点匹配。Python 没有 AOP 容器
多个装饰器的执行顺序？ 从下往上包装，从上往下执行（洋葱模型）。装饰顺序影响执行顺序