Python重复访问字典键与存为实例变量的性能及写法对比

性能表现 #

第二种将值缓存为独立实例变量的实现性能更高，在高频调用场景下差异可被感知：

• Python 字典取值是O(1)操作，但相比直接读取实例属性，多了哈希计算、哈希碰撞校验的开销。通过timeit基准测试可以发现，同等量级的读取操作下，直接读实例属性比字典取值快15%~20%，在你提到的大量实例、多线程高频调用的场景下，这个差异会累计出明显的总耗时差距。
  注意：绝大多数业务场景下，数据库更新的IO耗时是内存操作的上千倍，优先优化数据库调用（比如批量更新、加缓存层）的收益远高于优化内存取值的收益，建议先做性能 profiling 确认瓶颈点再做针对性优化

代码规范与可维护性 #

第一种直接操作self._data字典的实现更简洁规范，第二种实现存在明显的缺陷：

• 需要维护两份同源数据，只要任意一处修改漏了同步（比如后续新增方法修改了self._data的键值但没更新缓存变量），就会出现数据不一致的bug，多线程场景下排查成本极高；
• 当字段数量较多时，__init__方法需要写大量缓存变量赋值逻辑，每个setter也需要额外加缓存更新步骤，代码冗余度高，后续新增、修改字段时很容易漏写逻辑；
• 第二种示例代码本身就存在笔误：self._my_key = self_data["my_key"]漏写了下划线，应为self._data["my_key"]，也侧面反映了手动维护双份数据更容易出现低级错误。

根据你的业务场景，推荐两类适配方案：

方案1：字段固定场景下使用dataclass替代字典存储 #

如果_data的键是固定的，直接用Python标准库的dataclass存储所有字段，放弃字典存储，既可以享受直接读取实例属性的高性能，又不用维护双份数据，代码简洁度更高：

from dataclasses import dataclass, asdict

@dataclass
class MyClass:
    my_key: str
    # 其他字段直接在此声明即可

    @property
    def my_key(self):
        return self._my_key

    @my_key.setter
    def my_key(self, new_value):
        self._my_key = new_value
        # 序列化实例为字典直接传入数据库更新
        database.update(new_data=asdict(self))

如果不需要setter里做额外逻辑，甚至可以省略property的定义，进一步减少冗余代码。

方案2：字段动态场景下用魔法方法统一处理 #

如果必须保留_data字典存储（比如键是动态生成的），可以用__getattr__和__setattr__统一处理所有字段的读写，不用为每个字段单独写property，同时可以全局控制缓存逻辑：

class MyClass:
    def __init__(self, data):
        self._data = data
        # 禁止动态添加无关属性，避免和_data的键冲突
        self.__frozen = True
    
    def __getattr__(self, name):
        if name in self._data:
            return self._data[name]
        raise AttributeError(f"'MyClass' object has no attribute '{name}'")
    
    def __setattr__(self, name, value):
        if hasattr(self, '_MyClass__frozen') and self.__frozen:
            if name in self._data:
                self._data[name] = value
                database.update(new_data=self._data)
                return
            raise AttributeError(f"'MyClass' object has no attribute '{name}'")
        super().__setattr__(name, value)

不管选择哪种实现，都要额外注意：

• 多线程下修改数据需要加分布式锁或者本地线程锁，避免同时修改_data或者实例属性导致的数据不一致，同时保证数据库更新的原子性；
• 如果getter调用频率远高于setter，可以考虑在实例层面加内存缓存，缓存有效期和数据库更新操作绑定，进一步降低读操作的开销。

内容的提问来源于stack exchange，提问作者Max Shouman