1) Короткий ответ

Декоратор в Python — это функция, которая принимает другую функцию и расширяет её поведение, не изменяя исходный код. Это паттерн для добавления функциональности "обёртки".

2) Как работает (3 ключевые идеи + пример):

1. Базовый принцип: Декоратор принимает функцию-цель, добавляет логику до/после вызова и возвращает новую функцию-обёртку.

2. Синтаксис: Используется символ @ для применения декоратора к функции.

3. Применение: Кэширование, логирование, проверка прав доступа, тайминг, повторные попытки.

Пример создания и использования:

```python

# Декоратор для логирования

def logger(func):

def wrapper(*args, **kwargs):

print(f"Вызов функции {func.__name__} с аргументами {args}")

result = func(*args, **kwargs)

print(f"Функция {func.__name__} завершилась")

return result

return wrapper

# Применение декоратора

@logger

def calculate_sum(a, b):

return a + b

# Вызов функции

result = calculate_sum(5, 3)

# Вывод:

# Вызов функции calculate_sum с аргументами (5, 3)

# Функция calculate_sum завершилась

```

4) Сравнение с альтернативами:

* Декораторы:

* Плюсы: Чистый код, повторное использование, разделение ответственности

* Минусы: Сложность отладки, накладные расходы

* Явный вызов функций:

* Плюсы: Простота, прозрачность

* Минусы: Дублирование кода, нарушение DRY

Рекомендация: Используйте декораторы для cross-cutting concerns (логирование, кэширование, аутентификация), но избегайте избыточного вложения.

5) Практический пример для Data Engineer:

```python

from functools import wraps

import time

# Декоратор для измерения времени выполнения

def timing(func):

@wraps(func)

def wrapper(*args, **kwargs):

start = time.time()

result = func(*args, **kwargs)

end = time.time()

print(f"Время выполнения {func.__name__}: {end - start:.2f} сек")

return result

return wrapper

# Применение к ETL-функции

@timing

def process_data(file_path):

# Имитация обработки данных

df = spark.read.csv(file_path)

processed_df = df.filter("value > 0")

return processed_df.count()

# Использование

record_count = process_data("data.csv")

```

6) Follow-up вопросы:

* Зачем нужен @wraps из functools?

* Ответ: Сохраняет метаданные оригинальной функции (имя, docstring)

* Можно ли создать декоратор с параметрами?

* Ответ: Да, через вложенные функции

7) Практический совет (2 шага на неделю):

1. Напишите полезный декоратор: Создайте декоратор для повторных попыток (retry), который будет перезапускать функцию при возникновении исключений.

2. Проанализируйте готовые декораторы: Изучите исходный код @lru_cache из functools чтобы понять реализацию кэширования.