这是我参与11月更文挑战的第30天，活动详情查看：2021最后一次更文挑战
单例模式
单例模式是一个软件的设计模式，为了保证一个类，无论调用多少次产生的实例对象，都是指向同一个内存地址，仅仅只有一个实例（只有一个对象）。
单例模式的优点
1、由于单例模式要求在全局内只有一个实例，因而可以节省比较多的内存空间； 2、全局只有一个接入点，可以更好地进行数据同步控制，避免多重占用； 3、单例可长驻内存，减少系统开销。
单例模式的缺点
1、单例模式的扩展是比较困难的； 2、赋于了单例以太多的职责，某种程度上违反单一职责原则; 3、单例模式是并发协作软件模块中需要最先完成的，因而其不利于测试； 4、单例模式在某种情况下会导致“资源瓶颈”。
单例模式的应用举例
1、生成全局惟一的序列号； 2、访问全局复用的惟一资源，如磁盘、总线等； 3、单个对象占用的资源过多，如数据库等； 4、系统全局统一管理，如Windows下的Task Manager； 5、网站计数器。
设计模式
设计模式是面对各种问题进行提炼和抽象而形成的解决方案。这些设计方案是前人不断试验，考虑了封装性、复用性、效率、可修改、可移植等各种因素的高度总结。它不限于一种特定的语言，它是一种解决问题的思想和方法
补充：常见设计模式，设计模式也衍生出了很多的新的种类，不局限于这23种
设计模式可以分为三个大类：创建类设计模式、结构类设计模式、行为类设计模式
创建类设计模式（5种）
单例模式、工厂模式（简单工厂模式、抽象工厂模式）、建造者模式、原型模式
结构类设计模式（7种）
代理模式、装饰器模式、适配器模式、门面模式、组合模式、享元模式、桥梁模式
行为类设计模式（11种）
策略模式、责任链模式、命令模式、中介者模式、模板模式、迭代器模式、访问者模式、观察者模式、解释器模式、备忘录模式、状态模式
扫描二维码关注公众号，回复： 13470083 查看本文章
实现单例模式
实现单例模式的手段有很多种，但总的原则是保证一个类只要实例化一个对象，下一次再实例的时候就直接返回这个对象，不再做实例化的操作。所以这里面的关键一点就是，如何判断这个类是否实例化过一个对象。
这里介绍两类方式：
- 一类是通过模块导入的方式；
- 一类是通过魔法方法判断的方式；
# 基本原理：
- 第一类通过模块导入的方式，借用了模块导入时的底层原理实现。
- 当一个模块（py文件）被导入时，首先会执行这个模块的代码，然后将这个模块的名称空间加载到内存。
- 当这个模块第二次再被导入时，不会再执行该文件，而是直接在内存中找。
- 于是，如果第一次导入模块，执行文件源代码时实例化了一个类，那再次导入的时候，就不会再实例化。
- 第二类主要是基于类和元类实现，在'对象'的魔法方法中判断是否已经实例化过一个对象
- 这类方式，根据实现的手法不同，又分为不同的方法，如：
- 通过类的绑定方法；通过元类；通过类下的__new__；通过装饰器（函数装饰器，类装饰器）实现等。
复制代码下面分别介绍这几种不同的实现方式，仅供参考实现思路，不做具体需求。
通过模块导入
# cls_singleton.py
class Foo(object):
pass
instance = Foo()
# test.py
import cls_singleton
obj1 = cls_singleton.instance
obj2 = cls_singleton.instance
print(obj1 is obj2)
# 原理：模块第二次导入从内存找的机制
复制代码通过类的绑定方法
class Student:
_instance = None # 记录实例化对象
def __init__(self, name, age):
self.name = name
self.age = age
@classmethod
def get_singleton(cls, *args, **kwargs):
if not cls._instance:
cls._instance = cls(*args, **kwargs)
return cls._instance
stu1 = Student.get_singleton('jack', 18)
stu2 = Student.get_singleton('jack', 18)
print(stu1 is stu2)
print(stu1.__dict__, stu2.__dict__)
# 原理：类的绑定方法是第二种实例化对象的方式，
# 第一次实例化的对象保存成类的数据属性 _instance，
# 第二次再实例化时，在get_singleton中判断已经有了实例对象，直接返回类的数据属性 _instance
复制代码补充：这种方式实现的单例模式有一个明显的bug；bug的根源在于如果用户不通过绑定类的方法实例化对象，而是直接通过类名加括号实例化对象，那这样不再是单利模式了。
通过魔法方法__new__
class Student:
_instance = None
def __init__(self, name, age):
self.name = name
self.age = age
def __new__(cls, *args, **kwargs):
# if cls._instance:
# return cls._instance # 有实例则直接返回
# else:
# cls._instance = super().__new__(cls) # 没有实例则new一个并保存
# return cls._instance # 这个返回是给是给init，再实例化一次，也没有关系
if not cls._instance: # 这是简化的写法，上面注释的写法更容易提现判断思路
cls._instance = super().__new__(cls)
return cls._instance
stu1 = Student('jack', 18)
stu2 = Student('jack', 18)
print(stu1 is stu2)
print(stu1.__dict__, stu2.__dict__)
# 原理：和方法2类似，将判断的实现方式，从类的绑定方法中转移到类的__new__中
# 归根结底都是 判断类有没有实例，有则直接返回，无则实例化并保存到_instance中。
复制代码补充：这种方式可以近乎完美地实现单例模式，但是依然不够完美。不完美的地方在于没有考虑到并发的极端情况下，有可能多个线程同一时刻实例化对象。关于这一点的补充内容在本文的最后一节介绍(!!!进阶必会)。
通过元类
class Mymeta(type):
def __init__(cls, name, bases, dic):
super().__init__(name, bases, dic)
cls._instance = None # 将记录类的实例对象的数据属性放在元类中自动定义了
def __call__(cls, *args, **kwargs): # 此call会在类被调用（即实例化时触发）
if cls._instance: # 判断类有没有实例化对象
return cls._instance
else: # 没有实例化对象时，控制类造空对象并初始化
obj = cls.__new__(cls, *args, **kwargs)
obj.__init__(*args, **kwargs)
cls._instance = obj # 保存对象，下一次再实例化可以直接返回而不用再造对象
return obj
# 上述四行代码可以简写为下述两行代码
# cls._instance = super().__call__(cls, *args, **kwargs)
# return cls._instance
class Student(metaclass=Mymeta):
def __init__(self, name, age):
self.name = name
self.age = age
stu1 = Student('jack', 18)
stu2 = Student('jack', 18)
print(stu1 is stu2)
print(stu1.__dict__, stu2.__dict__)
# 原理：类定义时会调用元类下的__init__，类调用(实例化对象)时会触发元类下的__call__方法
# 类定义时，给类新增一个空的数据属性，
# 第一次实例化时，实例化之后就将这个对象赋值给类的数据属性；第二次再实例化时，直接返回类的这个数据属性
# 和方式3的不同之处1：类的这个数据属性是放在元类中自动定义的，而不是在类中显示的定义的。
# 和方式3的不同之处2：类调用时触发元类__call__方法判断是否有实例化对象，而不是在类的绑定方法中判断
复制代码函数装饰器
def singleton(cls):
_instance_dict = {} # 采用字典，可以装饰多个类，控制多个类实现单例模式
def inner(*args, **kwargs):
if cls not in _instance_dict:
_instance_dict[cls] = cls(*args, **kwargs)
return _instance_dict.get(cls)
return inner
@singleton
class Student:
def __init__(self, name, age):
self.name = name
self.age = age
# def __new__(cls, *args, **kwargs): # 将方法3的这部分代码搬到了函数装饰器中
# if not cls._instance:
# cls._instance = super().__new__(cls)
# return cls._instan
stu1 = Student('jack', 18)
stu2 = Student('jack', 18)
print(stu1 is stu2)
print(stu1.__dict__, stu2.__dict__)
复制代码类装饰器
class SingleTon:
_instance_dict = {}
def __init__(self, cls_name):
self.cls_name = cls_name
def __call__(self, *args, **kwargs):
if self.cls_name not in SingleTon._instance_dict:
SingleTon._instance_dict[self.cls_name] = self.cls_name(*args, **kwargs)
return SingleTon._instance_dict.get(self.cls_name)
@SingleTon # 这个语法糖相当于Student = SingleTon(Student),即Student是SingleTon的实例对象
class Student:
def __init__(self, name, age):
self.name = name
self.age = age
stu1 = Student('jack', 18)
stu2 = Student('jack', 18)
print(stu1 is stu2)
print(stu1.__dict__, stu2.__dict__)
# 原理：在函数装饰器的思路上，将装饰器封装成类。
# 程序执行到与语法糖时，会实例化一个Student对象，这个对象是SingleTon的对象。
# 后面使用的Student本质上使用的是SingleTon的对象。
# 所以使用Student('jack', 18)来实例化对象，其实是在调用SingleTon的对象，会触发其__call__的执行
# 所以就在__call__中，判断Student类有没有实例对象了。
复制代码!!!进阶必会
本部分主要是补充介绍多线程并发情况下，多线程高并发时，如果同时有多个线程同一时刻（极端条件下）事例化对象，那么就会出现多个对象，这就不再是单例模式了。
解决这个多线程并发带来的竞争问题，第一个想到的是加互斥锁，于是我们就用互斥锁的原理来解决这个问题。
解决的关键点，无非就是将具体示例化操作的部分加一把锁，这样同时来的多个线程就需要排队。
这样一来只有第一个抢到锁的线程实例化一个对象并保存在_instance中，同一时刻抢锁的其他线程再抢到锁后，不会进入这个判断if not cls._instance，直接把保存在_instance的对象返回了。这样就实现了多线程下的单例模式。
此时还有一个问题需要解决，后面所有再事例对象时都需要再次抢锁，这会大大降低执行效率。解决这个问题也很简单，直接在抢锁前，判断下是否有单例对象了，如果有就不再往下抢锁了（代码第11行判断存在的意义）。
import threading
class Student:
_instance = None # 保存单例对象
_lock = threading.RLock() # 锁
def __new__(cls, *args, **kwargs):
if cls._instance: # 如果已经有单例了就不再去抢锁，避免IO等待
return cls._instance
with cls._lock: # 使用with语法，方便抢锁释放锁
if not cls._instance:
cls._instance = super().__new__(cls, *args, **kwargs)
return cls._instance
复制代码结语
文章首发于微信公众号程序媛小庄，同步于掘金。
码字不易，转载请说明出处，走过路过的小伙伴们伸出可爱的小指头点个赞再走吧(╹▽╹)