Python装饰器是不修改原函数即可增强功能的高阶函数，常用于日志监控、异常重试、权限校验等；需注意元信息保留、参数兼容性、精度计时及状态管理时合理选用函数或类装饰器。
Python装饰器是函数式编程的重要工具，核心作用是在
不修改原函数代码的前提下，动态增强其功能。关键在于理解装饰器本质是“接收函数、返回新函数”的高阶函数，实际使用时需注意闭包变量、函数元信息保留、参数兼容性等细节。
装饰器实现日志与执行时间监控
这是最常用场景之一。通过装饰器自动记录函数调用时间、入参、返回值及耗时，避免在每个函数内重复写日志逻辑。
- 用functools.wraps包装内层函数，保留原函数的__name__、__doc__等属性，否则调试和文档生成会出问题
- 支持带参数的装饰器（如设置日志级别或是否启用计时），需多嵌套一层函数，外层接收配置，中间层接收被装饰函数，内层执行逻辑
- 时间统计建议用time.perf_counter()而非time.time()，精度更高且不受系统时间调整影响
装饰器统一处理异常与重试机制
网络请求、文件读写等易失败操作，可通过装饰器集中封装错误捕获、降级响应和指数退避重试逻辑。
- 重试次数、间隔、异常类型应支持参数化配置，比如@retry(max_attempts=3, delay=1, exceptions=(ConnectionError, TimeoutError))
- 重试前可加入随机抖动（jitter），避免大量请求同时重试造成雪崩；可用random.uniform(0, 0.1)微调等待时间
- 对某些函数需跳过重试（如已幂等或不可重入），可在函数对象上动态加属性标记，装饰器中判断跳过
装饰器实现权限校验与参数预处理
在Web接口或命令行工具中，常需校验用户权限、解析输入参数、转换数据格式等，装饰器可让业务函数专注核心逻辑。
- 权限检查装饰器可接收角色列表或自定义校验函数，校验失败抛出特定异常（如PermissionError），由统一异常处理器返回403
- 参数预处理适合配合dataclass或pydantic.BaseModel，装饰器自动将字典参数转为结构化对象，并触发验证
- 注意避免在装饰器中做重量级初始化（如连接数据库），应延迟到函数首次调用时执行，或使用单例+缓存优化
类装饰器与装饰器类的合理选用
当需要维护状态（如调用计数、缓存结果）或复用逻辑较复杂时，类装饰器比函数装饰器更清晰易维护。
- 类必须实现__call__方法，实例本身成为可调用对象；__init__接收装饰器参数，__call__接收被装饰函数
- 缓存装饰器（如@lru_cache的简化版）适合用类实现，便于管理缓存容量、淘汰策略和清除接口
- 若仅需简单逻辑，优先用函数装饰器；涉及状态管理、多方法协同或需继承扩展时，选类装饰器更合适
不修改原函数代码的前提下，动态增强其功能。关键在于理解装饰器本质是“接收函数、返回新函数”的高阶函数，实际使用时需注意闭包变量、函数元信息保留、参数兼容性等细节。