大家好，今天给大家介绍一个新的设计模式，叫做memento模式。

memento在英文当中是纪念品的意思，在这里，指的是对象的深度拷贝。通过对对象深度拷贝的方法来实现事务的功能。有了解过数据库的小伙伴们应该都知道，在数据库当中有些操作是绑定的，要么一起执行成功，要么一起不执行，绝对不运行某些操作执行了，某些操作没有执行的情况发生。这一点就被称为事务。

深度拷贝

我们先来简单回顾一下Python当中的拷贝。

拷贝在很多语言当中都有对应的函数，在Python当中也不例外。Python中的拷贝函数有两个，一个是copy，另外一个是deepcopy。也就是常说的深拷贝和浅拷贝，这两者的区别也非常简单，简而言之就是浅拷贝只会拷贝父类对象，不会拷贝父类对象当中的子对象。

我们来看一个例子，在下图当中b是a的浅拷贝，我们可以看到当a[2]当中插入了5之后，b当中同样也多了一个5。因为它们下标2存储的是同一个引用，所以当a当中插入的时候，b当中也发生了同样的改变。我们也可以看到，当我们改变了a[0]的时候，b当中则没有发生对应的改变。因为a[0]是一个数字，数字是基础类型直接存储的值而不是引用。

与浅拷贝对应的就是深拷贝，我们可以看到，当a[2]当中插入元素的时候，深度拷贝出来的b并不会发生对应的变化。

memento

利用拷贝，我们可以实现memento函数，它的作用是给对象做备份。在Python当中，对于一个对象obj来说，它所有的成员以及函数等信息全是储存在obj.__dict__这个dict当中的。也就是说如果我们将一个对象的__dict__拷贝一份的话，其实就相当于我们把对象拷贝了一份。

通过使用拷贝，我们可以很容易实现memento函数，我们先来看代码吧。

from copy import copy, deepcopy

def memento(obj, deep=False):
    state = deepcopy(obj.__dict__) if deep else copy(obj.__dict__)

    def restore():
        obj.__dict__.clear()
        obj.__dict__.update(state)
    
    return restore

memento是一个高阶函数，它返回的结果是执行函数，而不是具体的执行结果。如果对高阶函数不太熟悉的同学，可以去回顾一下Python当中高阶函数的相关内容。

这里面的逻辑不难理解，传入的参数是一个obj的对象和一个bool型的flag。flag表示使用深拷贝或浅拷贝，obj就是我们需要做对应快照或者是存档的对象。我们希望在对象框架不变的基础上恢复其中的内容，所以我们拷贝的范围很明确，就是obj.dict，这当中存储了对象的所有关键信息。

我们看下restore这个函数，当中的内容其实很简单，只有两行。第一行是清空obj目前__dict__当中的内容，第二步是用之前保存的state来还原。其实restore执行的是一个回滚obj的功能，我们捋一下整个过程。我们运行memento函数会得到restore这个函数，当我们执行这个函数的时候，obj当中的内容会回滚到上次执行memento时的状态。

理解了memento当中的逻辑之后，距离我们实现事务就不远了。关于事务我们有两种实现方法，一种是通过对象，一种是通过装饰器，我们一个一个来说吧。

** Transaction对象**

面向对象实现的方式比较简单，它和我们平时使用事务的过程也比较近似。Transaction对象当中应该提供两个函数，一个是commit一个是rollback。也就是说当我们执行成功之后我们执行commit，对执行的结果进行快照。如果执行失败则rollback，将对象的结果回滚到上一次commit时的状态。

我们理解了memento函数之后，会发现commit和rollback刚好对应执行memento函数以及执行restore函数。这样我们不难写出代码：

class Transaction:

    deep = False
    states = []

    def __init__(self, deep, *targets):
        self.deep = deep
        self.targets = targets
        self.commit()

    def commit(self):
        self.states = [memento(target, self.deep) for target in self.targets]

    def rollback(self):
        for a_state in self.states:
            a_state()

由于我们需要事务的对象可能不止一个，所以这里的targets设计成了数组的形式。

Transaction装饰器

我们也可以把事务实现成装饰器，这样我们可以通过注解的方式来使用。

这里的代码原理也是一样的，只不过实现逻辑基于装饰器而已。如果对装饰器熟悉的同学，其实也不难理解。这里的args[0]其实就是某一个类的实例，也就是我们需要保证事务的主体。

from functools import wraps

def transactional(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        # args[0] is obj
        state = memento(args[0])
        try:
            func(*args, **kwargs)
        except Exception as e:
            state()
            raise e
    return wrapper

这是常规装饰器的写法，当然我们也可以用类来实现装饰器，其实原理差不多，只是有一些细节不太一样。

class Transactional:

    def __init__(self, method):
        self.method = method

    def __get__(self, obj, cls):
        def transaction(*args, **kwargs):
            state = memento(obj)
            try:
                return self.method(*args, **kwargs)
            except Exception as e:
                state()
                raise e
        return transaction

当我们将这个注解加在某一个类方法上，当我们执行obj.xxx的时候，就会执行Transactional这个类当中的__get__方法，而不是获得Transactional这个类。并且把obj以及obj对应的类型作为参数传入，也就是这里的obj和cls的含义。这个是用类来实现装饰器的常规做法，我们贴一下常规的代码，来比较学习一下。

class Wrapper:
    def __init__(self, func):
        wraps(func)(self)

    def __call__(self, *args, **kwargs):
        return self.__wrapped__(*args, **kwargs)

    def __get__(self, instance, cls):
        if instance is None:
            return self
        else:
            return types.MethodType(self, instance)

这是一个用类来实现装饰器的case，我们可以看到在__get__这个函数当中返回的是self，也就是返回了Wrapper这个类。类通常是不能直接执行的，为了让它能够执行，这里给它实现了一个__call__函数。如果还是看不明白也没有关系，可以忽略这部分。用类实现装饰器也不常见，我们熟悉高阶函数的方法就可以了。

实战

最后我们来看一个实际应用的例子，我们实现了一个NumObj的类，兼容了上面两种事务的使用，可以对比一下看看区别。


class NumObj:
    def __init__(self, value):
        self.value = value

    def __repr__(self):
        return '<%s, %r>' % (self.__class__.__name__, self.value)

    def increment(self):
        self.value += 1

    @transactional
    def do_stuff(self):
        self.value += '111'
        self.increment()
        
        
if __name__ == '__main__':
    num_obj = NumObj(-1)

    a_transaction = Transaction(True, num_obj)
 # 使用Transaction
    try:
        for i in range(3):
            num_obj.increment()
            print(num_obj)

        a_transaction.commit()
        print('----committed')
        for i in range(3):
            num_obj.increment()
            print(num_obj)
        num_obj.value += 'x'
        print(num_obj)
    except Exception:
        a_transaction.rollback()
        print('----rollback')

    print(num_obj)
 # 使用Transactional
    print('-- now doing stuff')
    num_obj.increment()

    try:
        num_obj.do_stuff()
    except Exception:
        print('-> doing stuff failed')
        import sys
        import traceback
        traceback.print_exc(file=sys.stdout)

    print(num_obj)

从代码当中，我们不难发现对于Transaction也就是面向对象实现的，我们需要额外创建一个Transaction的实例来在try catch当中控制是否执行回滚。而使用注解的方式更加灵活，它执行失败会自动执行回滚，不需要太多的额外操作。

一般来说我们更加喜欢使用注解的方式，因为这样的方式更加简洁干净，更加pythonic，能够体现出Python的强大。而第一种方法显得有些中规中矩，不过好处是可读性强一些，代码实现难度也低一些。大家如果在实际工作当中有需要用到，可以根据自己的实际情况去进行选择，两种都是不错的方法。

今天的文章就到这里，衷心祝愿大家每天都有所收获。如果还喜欢今天的内容的话，请来一个三连支持吧~（点赞、在看、转发）