一、单例模式
单例模式(Singleton Pattern)是一种常用的软件设计模式，该模式的主要目的是确保某一个类只有一个实例存在。
当你希望在整个系统中，某个类只能出现一个实例时，单例对象就能派上用场。例如，某个服务器程序的配置信息存放在一个文件中，客户通过一个AppConfig的类来读取配置文件的信息。如果在程序运行期间，有很多地方需要使用配置文件的内容，也就是说，很多地方都需要创建AppConfig对象的实例，这就导致系统中存在多个AppConfig的实例对象，而这样会严重浪费内存资源，尤其实在配置文件内容很多的情况下。事实上，类似AppConfig这样的类，我们希望在程序运行期间只存在一个实例对象。
单例模式的要点有三个，一个是某个类只能有一个实例，二是它必须自行创建这个实例，三是它必须自行向整个系统提供这个实例。
在Python中，我们可以使用多种方法来实现单例模式：
1. 使用模块
2. 使用__new__方法
3. 使用装饰器decorator
4. 使用类
5. 使用元类metaclass
1.使用模块
其实，Python的模块就是天然的单例模式。
因为模块在第一次导入的时候，会生成.pyc文件，当第二次导入时，就会直接加载.pyc文件，而不会再次执行模块代码。因此，我们只需要把相关的函数和数据定义在一个模块中，就可以获得一个单例对象。
如果我们真的想要一个单例类，可以考虑这样做：
class MyClass(object):
def foo(self):
print('MyClass.foo') my_class_obj = MyClass()
将上面的代码保存在文件test1.py中，然后这样使用：
from .test1 import my_class_obj my _class_obj.foo()
2.使用__new__
为了使类只能出现一个实例，我们可以使用__new__来控制实例的创建过程，代码如下：
class MyClass(object):
_instance = None
def __new__(cls, *args, **kwargs):
if not cls._instance:
cls._instance = super(MyClass, cls).__new__(cls, *args, **kwargs)
return cls._instance class HerClass(MyClass):
a = 1
在上面的代码中，我们将类的实例和一个类变量_instance关联起来，如果cls._instance为None则创建实例，否则直接返回cls._instance。
执行情况如下：
one = HerClass()
two = HerClass()
print(one == two) #True
print(one is two) #True
print(id(one) == id(two)) #True
3. 使用装饰器
我们知道，装饰器decorator可以动态地修改一个类或者函数的功能。
这里，我们也可以使用装饰器来装饰某个类，使其只能生成一个实例，代码如下：
from functools import wraps def singleton(cls):
instance = {} #创建字典，盛放单例 @wraps
def getinstance(*args,**args): if cls not in instance: #cls不在字典
instances[cls] = cls(*args, **kwargs)
#以cls为key，cls(*args, **kwargs) 为值放入盛放单例的字典 return getinstance[cls] return getinstance @singleton
class MyClass(object):
a = 1
在上面，我们定义要给装饰器singleton，它返回了一个内部函数getinstance，该函数会判断某个类是否在字典instance中，如果不存在，则会将cls作为key， cls(*args,**kwargs)作为value存到instance中，否则，直接返回instance[cls]。
class Singleton(object):
def __init__(self):
pass
@classmethod
def instance(cls, *args, **kwargs):
if not hasattr(Singleton, "_instance"):
Singleton._instance = Singleton(*args, **kwargs)
return Singleton._instance
import threading
def task(arg):
obj = Singleton.instance()
print(obj)
for i in range(10):
t = threading.Thread(target=task,args=[i,])
t.start()
执行结果：
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
<__main__.Singleton object at 0x02C933D0>
看起来也没有问题，那是因为执行速度过快。
如果在init方法中有一些IO操作，就会发现问题了，下面我们通过time.sleep模拟
我们在上面__init__方法中加入以下代码
def __init__(self):
import time
time.sleep(1)
重新执行程序后，结果如下
<__main__.Singleton object at 0x034A3410>
<__main__.Singleton object at 0x034BB990>
<__main__.Singleton object at 0x034BB910>
<__main__.Singleton object at 0x034ADED0>
<__main__.Singleton object at 0x034E6BD0>
<__main__.Singleton object at 0x034E6C10>
<__main__.Singleton object at 0x034E6B90>
<__main__.Singleton object at 0x034BBA30>
<__main__.Singleton object at 0x034F6B90>
<__main__.Singleton object at 0x034E6A90>
问题出现了！按照以上方式创建的单例，无法支持多线程
解决办法：加锁！未加锁部分并发执行,加锁部分串行执行,速度降低,但是保证了数据安全
import time
import threading
class Singleton(object):
_instance_lock = threading.Lock() def __init__(self):
time.sleep(1) @classmethod
def instance(cls, *args, **kwargs):
with Singleton._instance_lock:
if not hasattr(Singleton, "_instance"):
Singleton._instance = Singleton(*args, **kwargs)
return Singleton._instance def task(arg):
obj = Singleton.instance()
print(obj)
for i in range(10):
t = threading.Thread(target=task,args=[i,])
t.start()
time.sleep(20)
obj = Singleton.instance()
print(obj)
打印结果如下：
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
<__main__.Singleton object at 0x02D6B110>
这样就差不多了，但是还是有一点小问题，就是当程序执行时，执行了time.sleep(20)后，下面实例化对象时，此时已经是单例模式了，但我们还是加了锁，这样不太好，再进行一些优化，把intance方法，改成下面的这样就行：
@classmethod
def instance(cls, *args, **kwargs):
if not hasattr(Singleton, "_instance"):
with Singleton._instance_lock:
if not hasattr(Singleton, "_instance"):
Singleton._instance = Singleton(*args, **kwargs)
return Singleton._instance
这样，一个可以支持多线程的单例模式就完成了
import time
import threading
class Singleton(object):
_instance_lock = threading.Lock() def __init__(self):
time.sleep(1) @classmethod
def instance(cls, *args, **kwargs):
if not hasattr(Singleton, "_instance"):
with Singleton._instance_lock:
if not hasattr(Singleton, "_instance"):
Singleton._instance = Singleton(*args, **kwargs)
return Singleton._instance def task(arg):
obj = Singleton.instance()
print(obj)
for i in range(10):
t = threading.Thread(target=task,args=[i,])
t.start()
time.sleep(20)
obj = Singleton.instance()
print(obj)
这种方式实现的单例模式，使用时会有限制，以后实例化必须通过 obj = Singleton.instance()
如果用 obj=Singleton() ,这种方式得到的不是单例
4. 使用类
class Singleton(object):
def __init__(self):
pass
@classmethod
def instance(cls,*args,**kwargs):
if not hasattr(Singleton, '_instance'):
Singleton._instace = Singleton(*args,**kwargs)
return Singleton._instance
一般情况，大家以为这样就完成了单例模式，但是这样当使用多线程时会存在问题
5. 使用metaclass
元类metaclass，可以控制类的创建过程，它主要做三件事：
1. 拦截类的创建
2. 修改类的定义
3. 返回修改后的类
使用元类实现单例模式的代码如下：
class Singleton(type):
_instacne = {} def __call__(cls,*args,**kwargs): if cls not in cls._instance:
cls._instances[cls] = super(Singleton, cls).__call__(*args,**kwargs)
#以cls为key，cls(*args, **kwargs) 为值放入盛放单例的字典 return cls._instance[cls]
#Python2
#class MyClass(object):
__metaclass__ = Singleton #Python3
class MyClass(metaclass=Singleton):
pass
优点：
1. 实例控制
单例模式会阻止其他对象实例化器自己的单例对象的副本，从而确保所有对象都访问唯一实例。
2. 灵活性
因为类控制了实例化过程，所以类可以灵活更改实例化过程。
缺点：
1. 开销
虽然数量很少，但如果每次对象请求引用时都要检查是否存在类的实例，将仍然需要一些开销。可以通过使用静态初始化解决此问题。
2. 可能的开发混淆
使用单例对象(尤其在类库中定义的对象)时，开发人员必须记住自己不能使用new关键字实例化对象。因为可能无法访问库源代码，因此应用程序开发人员可能会意外发现自己无法直接实例化此类。
3. 对象生存期
不能解决删除单个对象的问题。在提供内存管理的语言中(例如基于.net Framework的语言)，只有单例类能够导致实例被取消分配，因为它包含对该实例的私有引用。在某些语言中(例如C++)，其他类可以删除对象实例，但这样会导致单例类中出现悬浮引用。
二、元类(metaclass)
1. Python中一切皆对象，类也是对象。
只要你使用关键字class，Python解释器在执行的时候会创建一个对象。
下面的代码段：
class MyClass(object):
pass
在内存中创建一个对象，名字就是MyClass。这个对象(类)自身拥有创建对象(类实例)的能力，而这就是为什么它是一个类的原因。但是，它本质仍然是一个对象，于是你可以对它做如下操作：
1. 你可以将它赋值给一个变量
2. 你可以拷贝它
3. 你可以为它增加属性
4. 你可以将它作为函数参数进行传递
class MyClass(object):
pass print(MyClass) # 你可以打印这个类，因为它是对象
# <class '__main__.MyClass'> def echo(o):
print(o) echo(MyClass) # 你可以将类作为参数传给函数
# <class '__main__.MyClass'> MyClass.new_attribute = 'foo' #你可以为类增加属性
print(hasattr(MyClass,'new_attribute')) #True
print(MyClass.new_attribute) #foo MyClassMirror = MyClass #你可以将类赋值给一个变量
print(MyClassMirror())
# <__main__.MyClass object at 0x00000000028CDE10>
2. 动态的创建类
因为类也是对象，你可以在运行时动态的创建它们，就像其他任何对象一样。
首先你可以在函数中创建类，使用class关键字即可。
def choose_class(name):
if name == 'foo':
class Foo(object):
pass
return Foo # 返回的是类，不是类的实例
else:
class Bar(object):
pass
return Bar MyClass = choose_class('foo')
print(MyClass) #函数返回的是类，不是类的实例
# <class '__main__.choose_class.<locals>.Foo'> print(MyClass()) #你可以通过这个类创建类实例，也就是对象
# <__main__.choose_class.<locals>.Foo object at 0x00000000021E5CF8>
但是这还不够动态。
由于类也是对象，所以它们必须通过什么东西生成才对。
还记得内建函数type吗？这个祖先级别的函数能够让你知道一个对象的类型是什么，如下代码：
print(type(1)) #<class 'int'>
print(type('')) ##<class 'str'>
print(type(MyClass)) #<class 'type'>
print(type(MyClass())) #<class '__main__.MyClass'>
type也能动态的创建类。
type创建类的模版：
type(类名，父类的元组(针对继承的情况，可以为空)，包含属性的字典(名称和值))
比如下面的代码：
class MyShinyClass(object):
pass
可以手动像这样创建:
MyShinyClass = type('MyShinyClass',(),{})
print(MyShinyClass)
# <class '__main__.MyShinyClass'>
print(MyShinyClass()) # 创建一个该类的实例
# <__main__.MyShinyClass object at 0x0000000002737D68>
type接受一个字典来为类定义属性，因此：
class Foo(object):
bar = True
可以翻译为：
Foo = type('Foo',(),{'bar':True})
并且可以将Foo当成一个普通的类一样使用：
class Foo(object):
bar=True print(Foo) #<class '__main__.Foo'>
print(Foo.bar) #True
f=Foo()
print(f) #<__main__.Foo object at 0x0000000001F7DE10>
print(f.bar) #True
当然，你可以向这个类继承，所以，如下的代码：
class Foo(object):
bar=True FooChild = type('FooChild', (Foo,),{})
print(FooChild)
# <class '__main__.FooChild'> print(FooChild.bar) # bar属性是由Foo继承而来
# True
最终你会希望为你的类增加方法。只需要定义一个有着恰当签名的函数并将其作为属性赋值就可以了。
class Foo(object):
bar=True def echo_bar(self):
print(self.bar) FooChild = type('FooChild', (Foo,), {'echo_bar': echo_bar})
print(hasattr(Foo, 'echo_bar')) #False
print(hasattr(FooChild, 'echo_bar')) #True
my_foo = FooChild()
my_foo.echo_bar() #True
你可以看到，在Python中，类也是对象，你可以动态的创建类。这就是当你使用关键字class时Python在幕后做的事情，而这就是通过元类来实现的。
到底什么是元类？
元类就是用来创建类的“东西”。元类就是类的类。
type就是创建类对象的类。你可以通过检查__class__属性来看到这一点。
Python中所有的东西，注意，我是指所有的东西——都是对象。这包括整数、字符串、函数以及类。它们全部都是对象，而且它们都是从一个类创建而来。
age = 35
print(age.__class__) #<class 'int'> name = 'bob'
print(name.__class__) #<class 'str'> def foo():
pass
print(foo.__class__) #<class 'function'> class Bar(object):
pass
b = Bar()
print(b.__class__) #<class '__main__.Bar'>
现在，对于任何一个__class__的__class__属性又是什么呢？
print(age.__class__.__class__) #<class 'type'>
print(name.__class__.__class__) #<class 'type'>
print(foo.__class__.__class__) #<class 'type'>
print(b.__class__.__class__) #<class 'type'>
因此，元类就是创建类这种对象的东西。
type就是Python的内建元类，当然了，你也可以创建自己的元类。
__metaclass__属性
你可以在写一个类的时候为其添加__metaclass__属性。
class Foo(object):
__metaclass__ = something...
如果你这么做了，Python就会用元类来创建类Foo。小心点，这里面有些技巧。你首先写下class Foo(object)，但是类对象Foo还没有在内存中创建。Python会在类的定义中寻找__metaclass__属性，如果找到了，Python就会用它来创建类Foo，如果没有找到，就会用内建的type来创建这个类。
class Foo(Bar):
pass
Python做了如下的操作：
Foo中有__metaclass__这个属性吗？如果是，Python会在内存中通过__metaclass__创建一个名字为Foo的类对象（我说的是类对象，请紧跟我的思路）。如果Python没有找到__metaclass__，它会继续在Bar（父类）中寻找__metaclass__属性，并尝试做和前面同样的操作。如果Python在任何父类中都找不到__metaclass__，它就会在模块层次中去寻找__metaclass__，并尝试做同样的操作。如果还是找不到__metaclass__,Python就会用内置的type来创建这个类对象。
现在的问题就是，你可以在__metaclass__中放置些什么代码呢？
答案就是：可以创建一个类的东西。那么什么可以用来创建一个类呢？type，或者任何使用到type或者子类化type的东东都可以。