元类实现单例易踩线程安全坑，因__call__中若未加锁，多线程下可能创建多个实例；模块级单例更可靠，因python导入机制天然线程安全。
为什么用元类实现单例容易踩线程安全坑
元类方式看似优雅，但 __call__ 方法里若没加锁，多线程下可能创建多个实例。Python 的 GIL 不能保证构造过程原子性——比如在 if not cls._instance: 判断后、赋值前被切换，两个线程都进入分支，就生成了两个对象。
实操建议：
- 必须用
threading.Lock包裹实例创建逻辑，且锁对象需定义在类外或类变量中（避免每次调用都新建锁） - 推荐把锁放在元类内部，而非单例类中，否则子类继承时容易遗漏
- 别在
__init__里做重初始化逻辑，因为元类控制的是构造调用，__init__可能被多次执行（尤其当开发者误写Singleton()多次）
class SingletonMeta(type):
_instances = {}
_lock = threading.Lock()
def __call__(cls, *args, **kwargs):
if cls not in cls._instances:
with cls._lock:
if cls not in cls._instances:
cls._instances[cls] = super().__call__(*args, **kwargs)
return cls._instances[cls]
模块级单例为何更可靠又常被低估
Python 模块在首次导入时执行一次，后续 import 都返回缓存对象——这本身就是线程安全的单例机制，且无额外开销。很多人觉得“不够面向对象”，但实际项目中它更接近“可靠”二字的本意。
使用场景：
- 配置管理器、日志器、数据库连接池等全局服务
- 需要被多个子模块访问，又不想传参或依赖注入的轻量场景
- 单元测试时便于 patch（
unittest.mock.patch('mymodule.instance')直接生效）
注意点：
- 模块文件名不能是
singleton.py这类通用名，易与第三方包冲突；建议用业务相关名，如db_client.py - 模块内不要在顶层执行耗时操作（如连接数据库），应改用懒加载属性
- 如果模块含可变全局状态（如字典），记得用
copy.deepcopy或不可变结构封装，避免被意外修改
装饰器方式的陷阱：类方法和继承失效
用函数装饰器修饰类（如 @singleton）看似简洁，但它只劫持类的调用，不控制类本身的定义行为。结果就是：isinstance(obj, MyClass) 仍为 True，但 MyClass() is MyClass() 不成立——因为装饰器返回的是新对象，原类的 __new__ 和 __init__ 未被绕过。
更严重的问题：
- 子类继承后，
ChildClass()不再受控，会创建新实例 - 类方法（
@classmethod）和静态方法（@staticmethod）无法通过装饰器自动代理 - 类型提示工具（如 mypy）会报错，因为返回类型和声明类不一致
如果你非要用装饰器，至少确保它返回的是原类的实例，而不是包装对象——但这已退化成元类逻辑，不如直接用元类。
什么时候该放弃单例，改用显式实例管理
单例真正的复杂点不在实现，而在语义模糊：它把“生命周期管理”和“业务逻辑”耦合在一起。当出现以下情况，硬套单例反而增加维护成本：
- 需要在测试中重置状态（比如每次 test 函数要干净的单例）
- 程序需支持多租户，每个租户应有独立配置的“单例”实例
- 依赖项本身是动态的（如 DB URL 来自环境变量，启动后才确定）
此时更务实的做法是：定义一个工厂函数 + 模块级缓存字典，键由关键参数组成，按需生成并复用实例。这样既保留复用性，又解耦了创建时机和生命周期控制。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
