Action Dispatch - Python 版本

高性能的基于装饰器的 Action 注册与分发系统

特性

与 Rust 版本功能对等：

• ✅ 声明式注册：使用 @action 装饰器
• ✅ 正则匹配 + 优先级：灵活的路由规则
• ✅ 全局同步模式：支持 sync=True 全局排他执行
• ✅ 分层匹配优化：精确匹配 O(1)、前缀匹配 O(m)、正则匹配 O(k)
• ✅ RwLock 优化：并发执行 sync=False 的 action
• ✅ 类型提示：完整的类型注解
• ✅ 引用传递：Python 默认就是对象引用，零拷贝

安装

需要 Python 3.7+

# 无需额外依赖，只需标准库
python action_dispatch.py  # 运行测试

快速开始

from action_dispatch import dispatcher.action, dispatch

@dataclass
class UserEvent:
    user_id: int
    action: str

# 普通 action（可并发）
@action(regex=r'^user/\d+/read$', priority=5, sync=False)
def handle_read(event: UserEvent):
    print(f"读取用户: {event.user_id}")

# 关键 action（全局排他）
@action(regex=r'^user/\d+/update$', priority=10, sync=True)
def handle_update(event: UserEvent):
    print(f"更新用户: {event.user_id} (独占执行)")
    import time
    time.sleep(2)  # 模拟耗时操作

# 分发事件
dispatch("user/123/read", UserEvent(123, "read"))
dispatch("user/456/update", UserEvent(456, "update"))

API 文档

@action 装饰器

@action(regex: str, priority: int = 0, description: str = "", sync: bool = False)

参数：

dispatch 函数

dispatch(key: str, event: Any) -> None

执行流程：

1. 获取读锁进行匹配（允许并发）
2. 查找匹配的 action（分层匹配优化）
3. 根据 sync 标志执行：
   • sync=False：保持读锁执行（并发）
   • sync=True：升级为写锁执行（独占）

异常：

• NoMatchError：没有匹配的 action
• LockPoisonedError：锁被污染

list_actions 函数

list_actions() -> List[ActionInfo]

返回所有已注册的 action 信息（按优先级降序）。

性能优化

1. 分层匹配

系统自动分析正则表达式，选择最优匹配策略：

推荐：尽量使用精确匹配或前缀匹配

# ✅ 推荐：精确匹配（最快）
@action(regex=r"^user/profile$")
def handle_profile(event): pass

# ✅ 推荐：前缀匹配（快）
@action(regex=r"^api/v1/.*")
def handle_api(event): pass

# ⚠️ 可接受：简单正则
@action(regex=r"^user/\d+$")
def handle_user_id(event): pass

# ❌ 避免：复杂正则
@action(regex=r"^(?:user|admin)/(?:profile|settings)/\d+$")
def handle_complex(event): pass  # 慢

2. RwLock 并发

使用读写锁优化并发性能：

• sync=False：持有读锁执行，多个可并发
• sync=True：持有写锁执行，独占全局

性能对比（10 线程）：

3. 零拷贝

Python 的对象传递默认就是引用传递，无需额外配置。

# Python 自动使用引用传递，零拷贝
@action(regex=r"^large/.*$")
def handle_large(event: LargeEvent):
    # event 是引用，不会拷贝数据
    pass

性能测试

运行并发测试：

python test_concurrent.py

预期输出：

【测试 1】分层匹配性能
精确匹配: 10000 次 dispatch
  总耗时: 150.00 ms
  平均耗时: 15.00 μs/次

前缀匹配: 10000 次 dispatch
  总耗时: 200.00 ms
  平均耗时: 20.00 μs/次

复杂正则: 10000 次 dispatch
  总耗时: 500.00 ms
  平均耗时: 50.00 μs/次

【测试 2】并发执行（sync=False）
5 个并发任务总耗时: 100 ms
✓ 由于并发执行，总耗时约等于单个任务时间（~100ms）

【测试 3】独占执行（sync=True）
3 个独占任务总耗时: 600 ms
✓ 由于串行执行，总耗时约等于 3 × 单个任务时间（~600ms）

性能对比

Python vs Rust

结论：

• Python 版本已经过优化，性能不错
• Rust 版本性能更优（10-150x），内存更小
• Python 版本更易用，适合原型开发
• Rust 版本适合生产环境和高性能场景

Python 特有的优化

1. GIL 优化

Python 有全局解释器锁（GIL），但我们的实现仍然有优化：

• I/O 密集型：释放 GIL，真正并发
• CPU 密集型：受 GIL 限制，但分层匹配仍能提速

2. 使用 PyPy

使用 PyPy 可以获得 2-5x 的性能提升：

pypy3 action_dispatch.py  # 使用 PyPy 运行

3. 使用 Cython

可以将核心模块编译为 C 扩展，获得接近 C 的性能：

# 安装 Cython
pip install cython

# 编译
cython action_dispatch.py  # 生成 .c 文件
gcc -shared -pthread -fPIC -fwrapv -O2 -Wall -fno-strict-aliasing \
    -I/usr/include/python3.x action_dispatch.c -o action_dispatch.so

注意事项

1. GIL 限制

Python 的 GIL 限制了真正的并发：

• CPU 密集型任务：RwLock 提升有限
• I/O 密集型任务：RwLock 提升显著

2. 避免死锁

不要在 sync=True 的 handler 中再次调用 dispatch：

# ❌ 错误：会死锁
@action(regex=r"^task1$", sync=True)
def bad_handler(event):
    dispatch("task2", event)  # 死锁！

# ✅ 正确：使用 sync=False
@action(regex=r"^task1$", sync=False)
def good_handler(event):
    dispatch("task2", event)  # OK

3. 类型提示

虽然提供了类型提示，但 Python 运行时不强制检查：

from typing import TypeVar, Generic

T = TypeVar('T')

# 可以添加运行时类型检查
def dispatch_typed(key: str, event: T) -> None:
    if not isinstance(event, expected_type):
        raise TypeError(f"Expected {expected_type}, got {type(event)}")
    dispatch(key, event)

进阶用法

1. 性能监控

from action_dispatch import dispatch_with_stats, get_stats, reset_stats

# 使用带统计的 dispatch
for _ in range(1000):
    dispatch_with_stats("user/123", event)

# 获取统计信息
stats = get_stats()
print(f"平均耗时: {stats.average_time_us():.2f} μs")
print(f"总调用: {stats.total_dispatches}")

2. 自定义错误处理

from action_dispatch import dispatch, NoMatchError

try:
    dispatch("unknown/key", event)
except NoMatchError:
    # 记录日志或回退处理
    logger.warning(f"No handler for: unknown/key")
    fallback_handler(event)

3. 动态注册

from action_dispatch import dispatcher.action

# 动态创建 handler
def create_handler(name: str):
    @action(regex=f"^{name}/.*$", priority=5)
    def handler(event):
        print(f"Handle {name}: {event}")
    return handler

# 批量创建
for name in ["user", "order", "payment"]:
    create_handler(name)

文件结构

py/
├── action_dispatch.py      # 核心实现
├── test_concurrent.py      # 并发测试
└── README.md              # 本文档

许可证

MIT OR Apache-2.0

Happy coding with Python! 🐍