深入理解attrs项目中类的双重初始化问题
在Python的attrs项目中,当使用类继承机制时,开发者可能会遇到一个有趣的现象:基类的__init_subclass__方法会被调用两次。这个问题看似简单,却涉及Python类创建机制和attrs内部实现的深层原理。
问题现象
当创建一个继承自普通基类的attrs类时,基类的__init_subclass__方法会被执行两次。通过打印类对象的信息可以发现,两次调用时传入的类对象实际上是不同的实例,它们的哈希值不同,且第二次调用时类已经被attrs处理过(has(cls)返回True)。
原因分析
这一现象的根本原因在于attrs对类创建过程的特殊处理:
-
默认情况下(使用slot):attrs会创建两个类对象 - 原始类和经过attrs处理的类。这种双重创建导致了
__init_subclass__的双重调用。 -
禁用slot的情况下:虽然不会创建两个类对象,但
__init_subclass__会在attrs完成类组装之前就被调用,同样不是理想的行为。
解决方案
attrs项目最新版本(2023年8月后)引入了一个新的解决方案:__attrs_init_subclass__方法。这个方法专门用于处理attrs类继承时的初始化逻辑,确保在适当的时机被调用。
开发者应该优先使用这个新方法,而不是直接使用__init_subclass__。如果确实需要同时使用两者,可以通过检查类名(cls.__name__)来区分不同的调用阶段。
最佳实践
- 对于纯attrs类,优先使用
__attrs_init_subclass__方法 - 如果需要与普通Python类兼容,可以同时实现两个方法,但要注意调用顺序和重复执行的问题
- 在混合使用时,可以通过类名或其他标志来识别不同的初始化阶段
技术背景
这一问题的出现源于Python的类创建机制和attrs的类转换过程之间的交互。attrs为了提供其强大的功能(如自动生成__init__方法、属性管理等),需要在类创建过程中进行额外的处理步骤,这自然会影响标准的类初始化流程。
理解这一机制有助于开发者更好地设计基于attrs的类层次结构,避免在类初始化时出现意外的副作用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00