Python 装饰器的 5 种实用场景：从日志记录到权限校验

装饰器是 Python 中最优雅的特性之一，它允许在不修改原函数代码的前提下，为函数动态添加额外功能。这种“包装”思想在真实项目中有着广泛的应用。下面通过 5 个典型场景，展示装饰器如何让代码更简洁、更健壮。

**场景一：日志记录**

调试和监控离不开日志。使用装饰器可以统一为关键函数加上入参和返回值记录，避免在每个函数里重复写 `print` 或 `logging`。

```python
import functools, logging

def log_calls(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        logging.info(f"调用 {func.__name__}，参数: {args}, {kwargs}")
        result = func(*args, **kwargs)
        logging.info(f"{func.__name__} 返回: {result}")
        return result
    return wrapper

@log_calls
def add(a, b):
    return a + b
```

`functools.wraps` 能保留原函数的元信息（名称、文档字符串），这是编写装饰器的良好习惯。

**场景二：性能计时**

定位性能瓶颈时，一个计时装饰器可以快速测量函数耗时。

```python
import time

def timer(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        print(f"{func.__name__} 耗时 {time.perf_counter() - start:.4f}s")
        return result
    return wrapper
```

只需在可疑函数上加一行 `@timer`，就能获得精确的耗时数据。

**场景三：权限校验**

在 Web 开发中，接口往往需要登录或角色校验。装饰器可以把校验逻辑从业务代码中剥离出来。

```python
def require_role(role):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(user, *args, **kwargs):
            if user.get("role") != role:
                raise PermissionError(f"需要 {role} 权限")
            return func(user, *args, **kwargs)
        return wrapper
    return decorator

@require_role("admin")
def delete_user(user, uid):
    ...
```

带参数的装饰器（三层嵌套）让权限控制更加灵活，业务函数只需关注自身逻辑。

**场景四：缓存结果**

对于计算密集或频繁调用的纯函数，缓存能显著提升性能。标准库的 `functools.lru_cache` 就是现成的装饰器，也可以手写一个简易版本。

```python
def memoize(func):
    cache = {}
    @functools.wraps(func)
    def wrapper(*args):
        if args not in cache:
            cache[args] = func(*args)
        return cache[args]
    return wrapper

@memoize
def fib(n):
    return n if n < 2 else fib(n-1) + fib(n-2)
```

注意：缓存装饰器要求参数可哈希，且适用于无副作用的函数。

**场景五：失败重试**

网络请求、数据库连接等操作容易因瞬时故障失败。重试装饰器可以自动处理这类问题。

```python
def retry(times=3, delay=1):
    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            for i in range(times):
                try:
                    return func(*args, **kwargs)
                except Exception as e:
                    if i == times - 1:
                        raise
                    time.sleep(delay)
        return wrapper
    return decorator
```

配合指数退避策略，可以进一步提升稳定性。

**总结**

日志、计时、权限、缓存、重试——这 5 个场景覆盖了从开发调试到生产运维的常见需求。装饰器的价值在于**关注点分离**：业务函数保持纯粹，横切逻辑集中管理。掌握装饰器，不仅能写出更 DRY 的代码，也能更深刻地理解 Python 的函数是一等公民这一设计哲学。