Python Enum作为可扩展TRPG骰子roll标记的用法及性能疑问

项目背景 #

我重启了一个用于DnD等TRPG的骰子计算器个人旧项目，计划用Python Enum预定义d20的常见掷骰分布（如普通掷骰、优势、劣势、精灵精准等），代码示例如下：

class d20(Enum):
    NORMAL = d(20)
    ADVANTAGE = d(20).advantage()
    DISADVANTAGE = d(20).disadvantage()
    ELVEN_ACCURACY = intdist.max(d(20).advantage(), d(20))

我将该Enum用于关联的AttackRoll类，伪代码如下：

class AttackRoll:

    def __init__(self, attack_modifier, crit_range = 20):
        
        self.crit_chances = [] # 待确定的容器，和我的问题相关

        for distribution in d20:
            self.crit_chances.add(distribution, crit_chance(distribution, crit_range))

    def get_crit_chance(self, d20_enum):
        return self.crit_chances[d20_enum]

核心需求 #

我的核心需求是为Enum中定义的每种d20掷骰类型关联暴击率，同时希望get_crit_chance方法既快速又符合Python风格：

• 部分衍生属性计算开销较高，需要缓存常用值；
• 不想局限于预定义的Enum类型，希望支持鸭子类型，兼容自定义d20类分布。

现有方案 #

我想到的方案是用字典缓存Enum对应的暴击率，通过try/except处理非Enum类型的兼容逻辑，伪代码如下：

class AttackRoll:

    def __init__(self, attack_modifier, crit_range = 20):
        
        self.crit_chances = dict()

        for distribution in d20:
            self.crit_chances[distribution] = crit_chance(distribution, crit_range)

    def get_crit_chance(self, d20_enum):
        try:
            return self.crit_chances[d20_enum]
        except KeyError:
            if is_d20_roll_like(d20_enum):
                return crit_chance(d20_enum, crit_range)
            raise ValueError("不支持的掷骰类型")

问题 #

1. 是否有更优的实现方案？
2. 我担心过早优化：复杂缓存操作最多增加200微秒开销，而目标函数仅10微秒，实际调用数千次，是否需要关注该优化？

解答 #

一、更优方案建议 #

1. 结合预缓存字典与lru_cache实现双重缓存

这种方案兼顾Enum类型的极速访问和自定义类型的自动缓存，代码更简洁：

from functools import lru_cache

class AttackRoll:
    def __init__(self, attack_modifier, crit_range=20):
        self.crit_range = crit_range
        # 预缓存所有Enum类型的暴击率，直接走字典查找
        self.crit_chances = {dist: self._calc_crit(dist) for dist in d20}
    
    @lru_cache(maxsize=None)
    def _calc_crit(self, distribution):
        # 统一的暴击率计算逻辑，自动缓存自定义类型的结果
        return crit_chance(distribution, self.crit_range)
    
    def get_crit_chance(self, d20_roll):
        # 优先查预缓存的Enum值，速度最快
        if d20_roll in self.crit_chances:
            return self.crit_chances[d20_roll]
        # 鸭子类型判断：检查必要属性/方法，比如是否有概率计算接口
        if hasattr(d20_roll, 'probability') or hasattr(d20_roll, 'roll'):
            return self._calc_crit(d20_roll)
        raise ValueError("不支持的掷骰类型")

优势：

• Enum类型直接走字典O(1)查找，无额外开销；
• 自定义类型自动利用lru_cache缓存计算结果，无需手动维护缓存字典；
• 代码结构清晰，符合Python的简洁风格。

2. 可选：实现__getitem__简化调用

如果想让调用更直观，可以给AttackRoll类添加__getitem__方法：

def __getitem__(self, d20_roll):
    return self.get_crit_chance(d20_roll)

之后就可以像字典一样直接访问：attack_roll[d20.NORMAL]

二、关于过早优化的判断 #

从数据来看：

• 按5000次调用计算，总额外开销为5000 * 200μs = 1秒，这个量级在桌面应用中完全感知不到，除非你的计算器是高频调用的服务端程序。

结论：不需要刻意关注这个优化。当前方案的性能已经足够满足需求，与其花时间优化微秒级的开销，不如把精力放在逻辑正确性、代码可维护性上——比如完善鸭子类型的判断规则、处理自定义分布的边界情况等。

内容的提问来源于stack exchange，提问作者Minty