全文共1871字，预计学习时长8分钟

图源：unsplash

“胶水语言”，顾名思义，意味着这种语言有助于将连接系统，确保数据能以所需结构和格式，由A转到B。Python就是知名度最高的一种胶水语言。笔者曾用Python构建了无数的ETL脚本（数据提取、转换和加载）。

这些脚本基本上都按照相同规则运行。从某处提取数据，数据转化，然后运行最后一步——将数据上传到某个地方，但也可能是有条件的删除。

越来越多的传统公司的基础设施正在被上传到云端，越来越多的公司正在向微服务方式转型。这也意味着一种情况出现的可能大大增加：必须从某个地方提取数据，或从非本地计算机处写入数据。

图源：unsplash

小规模的操作很少出问题。如果某些提取或者回写失败，通常会被注意到，且错误能被纠正。

但如果操作规模更大，并存在成百上千的可能事项时，就会出现暂时中断的网络连接、过多的并发写入、暂时没有相应的源系统或者其他莫名其妙的问题，而没人想被这些事情搞砸。而笔者发现了一个非常简单的重试装饰器，它能解决这些问题。

笔者在大多数项目中都会在某个功能模块中使用重试装饰器，可谓是“大救星”。快来看看吧！

装饰器

图源：unsplash

函数是一级对象

在Python中，函数是一级对象。函数和其他任何对象一样。这一事实意味着函数可以动态创建、传递给函数本身，甚至可以更改。下面这个示例尽管很傻但确是事实：

def my_function(x):    print(x)IN:my_function(2)OUT:2IN:my_function.yolo = 'you live only once'print(my_function.yolo)OUT:'you live only once'

修饰语法

为了方便开发人员，Python提供了一种特殊的语法。还可以按如下方式操作：

@convert_to_numericdef first_func(x):    return x**2

以上的语法等同于：

def first_func(x):    return x**2first_func =convert_to_numeric(first_func)

这种语法使实际运行情况更清楚，尤其是在使用多个装饰器的情况下。

修饰函数

可以用另一个函数包装一个函数来满足特定需求，这一点很有用。例如，可以确保函数在被调用时向某个日志端点报告，打印出参数，实现类型检查、预处理或后处理，以列出一些可能性。以下为一个简单示例：

def first_func(x):    return x**2   def second_func(x):    return x - 2

当用字符串'2'调用这两个函数时，其都会无法工作。可在其中使用一个类型转换函数，并且用其修饰first_func 和 second_func 。

def convert_to_numeric(func):    # define a function within the outerfunction    def new_func(x):        return func(float(x))    # return the newly defined function    return new_func

这个convert_to_numeric 包装函数需要用一个函数作为参数，并返回另一个函数。现在，虽然先前无法工作，但是如果包装了函数，然后用一个字符串号调用，所有的函数都能按设置的使用。

IN:new_fist_func = convert_to_numeric(first_func)###############################convert_to_numeric returns this function:def new_func(x):    return first_func(float(x))###############################new_fist_func('2')OUT:4.0IN:convert_to_numeric(second_func)('2')OUT:0

这是为什么？

convert_to_numeric接受一个函数（A）作为参数并返回一个新函数（B）。新函数（B）在被调用时调用函数（A），但它不是用传递的参数x调用函数（A），而是用float(x)调用函数（A），从而解决了以前的TypeError 问题。

图源：unsplash

重试！

基本知识已经介绍完了，现在讲一讲笔者最喜欢的retry装饰器：

包装已经包装的函数。是一些初始阶段的内容，这并不复杂！

来一步一步了解代码：

1.最外层函数retry：这将参数化修饰器，即要处理的异常是什么，尝试的频率是多少，两次尝试之间等待的时间是多长，以及指数退避因子是什么（即每次失败时，用什么数字乘以等待时间）。

2.retry_decorator：这是参数化的装饰器，由retry函数返回。用@wraps来修饰retry_decorator中的函数。严格来讲，这在功能上是不必要的。这个包装器更新了包装函数的 __name__ 和 __doc__ （如果不这样做，函数的 __name__ 始终是 func_with_retries）。

图源：unsplash

3.func_with_retries应用重试逻辑。此函数包装了try-except语句块中的函数调用，并实现指数退避等待和一些日志记录。

用途：

函数用重试装饰器修饰，在异常上最多重试四次。或者更具体一点：

用在TimeoutError上的重试装饰的函数最多重试两次。

结果：

调用修饰函数，并遇到错误，将会导致如下结果：

调用的函数在ConnectionRefusedError上失败两次，在ConnectionResetError上失败一次，在第四次尝试时成功。这里有良好的日志记录，打印了args和kwargs以及函数名，使调试和修复问题变得轻而易举（如果重试次数用完错误依然存在）。

图源：unsplash

了解装饰器如何在Python中工作，以及如何用一个简单的重试装饰器来修饰关键任务函数，这非常有必要的。它是面对不确定情况时的“大救星”！

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范