Python装饰器三层嵌套实战：手写一个带过期时间的缓存装饰器

在 Python 开发中，装饰器几乎无处不在：Web 框架的路由注册、测试框架的用例标记、functools 的缓存都离不开它。很多人能熟练使用 @lru_cache，却说不清"带参数的装饰器"为什么需要三层函数嵌套。今天我们亲手写一个带过期时间（TTL）的缓存装饰器，把这个知识点彻底讲透。

一、装饰器的本质：函数也是一种对象

Python 里函数是一等公民：可以作为参数传递、作为返回值返回、可以被重新赋值。装饰器的本质，就是"接收一个函数，返回一个增强后的新函数"的语法糖：

@timer
def slow():
    ...
# 完全等价于：slow = timer(slow)

无参装饰器只需要两层嵌套：外层接收被装饰的函数，内层 wrapper 负责增强逻辑。

import time
import functools

def timer(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        print(f"{func.__name__} 耗时 {time.time() - start:.3f}s")
        return result
    return wrapper

二、带参数时为什么需要三层嵌套？

当我们想写 @cache(ttl=60) 这种带参数的装饰器时，执行顺序变成了两步：先调用 cache(ttl=60) 得到真正的装饰器，再用它去装饰函数。于是必须再包一层：

def cache(ttl=60):
    def decorator(func):
        store = {}

        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            key = (args, tuple(sorted(kwargs.items())))
            now = time.time()
            if key in store:
                value, expire = store[key]
                if now < expire:
                    return value  # 缓存命中，直接返回
            value = func(*args, **kwargs)
            store[key] = (value, now + ttl)
            return value

        return wrapper
    return decorator

三层各司其职：最外层接收装饰器参数，中间层接收被装饰的函数，最内层执行真正的增强逻辑。记住"想传几次参数就嵌套几层"，就再也不会写错。

三、几个容易踩的坑

1. 忘记 functools.wraps：不加它，被装饰函数的 __name__ 会变成 wrapper，日志和文档工具就认不出原函数了。
2. 可变参数别漏了：wrapper 一定要用 *args, **kwargs 透传，否则装饰带参数的函数会直接报错。
3. 缓存键要可哈希：上面用 args 加排序后的 kwargs 元组做键；如果参数里有字典、列表，需要先转成可哈希形式。
4. 线程安全：多线程场景下读写 store 建议加锁；生产环境可以直接用 cachetools.TTLCache，它已经处理好了这些细节。

四、小结

装饰器写几层，取决于"你在调用装饰器时想传几次参数"：无参两层、带参三层。理解了这个规律，权限校验、重试、限流这类装饰器都能举一反三。建议把上面的 TTL 缓存亲手敲一遍并跑通，装饰器这个知识点就真正属于你了。