Python 属性解析开销
Python attribute resolution overhead
在属性解析期间，Python 是否检查每个属性是否存在于 class 中？这样的话，是不是开销很大？
例如检查属性a.x。 Python 必须首先检查 A.__dict__["x"] 是否是数据描述符（因为它们覆盖了正常的属性查找），这意味着它应该检查整个 __mro__ 的数据描述符。
这反过来意味着实例字典中的每个属性查找，都会在整个 class mro 中进行查找，这听起来像是一个巨大的开销。这是缓存了吗？即使是，是什么阻止了通过动态添加数据描述符来修改其中一个基本 classes？这个理论上的缓存将如何失效？
class 已经负责处理属性查找。但是，是的，要查找属性，会查询当前 class 和基础 classes，因为属性可能是数据描述符。
这是因为某些对象 特殊 ，因为它们可以绑定到实例或 class（descriptor、并且 如果它们是 data 描述符（支持设置或删除值的描述符），它们将覆盖实例上具有相同名称的任何属性。
所有这些都在 class 的 __getattribute__ method 的 C 实现中处理（通常继承自 object.__getattribute__)，在 C 中，可以访问实例和 class 命名空间相对便宜。
请参阅 Descriptor HOWTO 以了解有关如何以及为什么这样做的更多详细信息。
在属性解析期间，Python 是否检查每个属性是否存在于 class 中？这样的话，是不是开销很大？
例如检查属性a.x。 Python 必须首先检查 A.__dict__["x"] 是否是数据描述符（因为它们覆盖了正常的属性查找），这意味着它应该检查整个 __mro__ 的数据描述符。
这反过来意味着实例字典中的每个属性查找，都会在整个 class mro 中进行查找，这听起来像是一个巨大的开销。这是缓存了吗？即使是，是什么阻止了通过动态添加数据描述符来修改其中一个基本 classes？这个理论上的缓存将如何失效？
class 已经负责处理属性查找。但是，是的，要查找属性，会查询当前 class 和基础 classes，因为属性可能是数据描述符。
这是因为某些对象 特殊 ，因为它们可以绑定到实例或 class（descriptor、并且 如果它们是 data 描述符（支持设置或删除值的描述符），它们将覆盖实例上具有相同名称的任何属性。
所有这些都在 class 的 __getattribute__ method 的 C 实现中处理（通常继承自 object.__getattribute__)，在 C 中，可以访问实例和 class 命名空间相对便宜。
请参阅 Descriptor HOWTO 以了解有关如何以及为什么这样做的更多详细信息。