装饰器开销无法消除但可控，每次调用必增一次函数调用和栈帧；functools.wraps无运行成本但影响调试；带参装饰器在导入时构造闭包；避免运行时类型检查，推荐静态检查加可关闭断言；@lru_cache可抵消甚至降低开销。
装饰器本身开销无法消除，但可控制在单次函数调用级别
装饰器必然引入一次额外函数调用，这是 Python 语言模型决定的——@decorator 等价于 func = decorator(func)。所谓“减少开销”，不是去掉这层调用，而是避免它被放大或重复触发。
- 每层装饰器都增加一个栈帧，嵌套 3 层就多 3 次函数入口/出口开销
-
functools.wraps不增加运行时成本，但不加会导致__name__、__doc__错乱，影响调试和工具链（如 pytest 收集、sphinx 文档生成） - 带参数的装饰器（如
@retry(max_tries=3)）会额外执行一次闭包构造，在模块导入时就发生，与运行无关
避免在装饰器里做运行时类型检查
Python 3.12 的类型提示语法（如 list[str]）本身无开销，但如果你在装饰器内部调用 isinstance(x, T) 或触发协议检查（比如 float(x)），就会激活 __instancecheck__，产生真实成本。
- 错误写法：
if not isinstance(arg, int): raise TypeError—— 这类校验放在装饰器里，每次调用都执行 - 推荐做法：只在校验必要时才做，或改用静态检查（mypy/pyright）+ 运行时断言（
assert isinstance(...)，生产环境可关闭） -
TypeVar的bound定义（如T = TypeVar('T', bound=SupportsFloat)）不耗性能，真正耗的是你用它做判断的地方
用 @lru_cache 抵消装饰器开销，甚至净收益
单纯计时、日志类装饰器开销微小（通常
-
@lru_cache(maxsize=128)对纯函数有效，要求所有参数可哈希 - 注意：缓存键基于
args和kwargs内容，含可变对象（如list）会报错，应先转tuple或用typed_ast类型化处理 - Python 3.12 的
lru_cache已优化哈希路径，在键复杂度高时比 3.11 快约 12%
异步装饰器必须用 async def wrapper，否则阻塞事件循环
给 async def 函数加同步装饰器（如普通 timer_decorator），会导致整个协程被当作同步函数调用，失去并发能力，实际开销可能翻倍。
- 正确结构：装饰器内必须定义
async def wrapper，且await orig_func(...) - 错误示例：
result = orig_func(*args, **kwargs)（没 await）→ 触发RuntimeWarning: coroutine 'xxx' was never awaited - Python 3.12 的
asyncio调度器对await路径做了内联优化，但前提是装饰器不破坏协程返回类型
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！
