为什么Python dataclass设置frozen=True后实例化速度变慢？

你对于frozen=True的性能预期是不符合实际实现逻辑的：Python dataclass的冻结特性从来不是为运行效率设计的，它的核心作用是提供不可变语义保障，实现逻辑本身就会带来额外的运行时开销，具体原因如下：

• 当开启frozen=True时，装饰器会自动为类重写__setattr__和__delattr__方法，两个方法的核心逻辑是拦截所有属性赋值/删除操作，直接抛出FrozenInstanceError，从外部阻止实例属性被修改。
• 类实例化的核心步骤之一就是给实例的各个字段赋初始值。非冻结模式下，__init__里的赋值直接走C实现的原生对象属性赋值逻辑，没有额外中间层，速度很快。
• 冻结模式下，类自身的__setattr__是会抛错的，根本没法用来给初始化阶段的属性赋值，因此生成的__init__方法必须绕开自身的拦截逻辑，每次赋值都显式调用object.__setattr__(self, 字段名, 值)完成赋值。这层额外的方法查找、跨类调用、参数传递的开销，在高频实例化场景下就会累积成明显的性能差，刚好和你测试的“耗时翻倍”结果吻合。

你可以通过对比两种模式下生成的__init__方法字节码验证这个差异：非冻结版本的赋值是直接的快速字段存储指令，冻结版本每个字段赋值都多了好几条加载object类、调用__setattr__的指令，执行成本自然高很多。

测试代码如下：

from timeit import timeit

setup = """
from dataclasses import dataclass

@dataclass(frozen=True)  # 切换为False做对照测试
class A:
    a: int = 1
    b: int = 1
"""

code = """
obj = A(3, 2)
"""

print(f"{timeit(code, setup, number=1000_000)=}")

最后补充一点：frozen=True的收益是开发层面的——冻结实例可哈希、能作为字典键使用、不会被业务逻辑意外篡改属性值，从根源上避免一类可变对象相关的bug，不要把它当做性能优化参数使用。

内容的提问来源于stack exchange，提问作者Alex Deft