Python 企业级 Python 项目经验

企业级 Python 项目不是写几个脚本或搭个 Flask 小网站就能概括的。它强调可维护性、可扩展性、协作效率和生产稳定性——这些往往在实际交付中比语法正确更重要。

模块化与分层设计是基础

真实业务逻辑复杂，硬塞进一个 main.py 或全堆在视图函数里，不出三个月就没人敢改。典型分层包括：API 层（FastAPI/Flask）、服务层（纯业务逻辑，无框架依赖）、领域模型（DTO/Pydantic 模型）、数据访问层（SQLAlchemy Repository 或 asyncpg 封装）。每个层通过接口契约通信，方便单元测试和替换实现。

• 用 src/ 目录隔离源码，避免 setup.py 安装污染全局环境
• 配置按环境拆分（config/base.py、config/prod.py），通过 ENV=prod python app.py 加载
• 敏感配置走环境变量或 Vault，绝不硬编码或提交到 Git

依赖管理与可复现构建

企业环境不允许“在我机器上能跑”。必须明确锁定所有依赖版本，并支持多 Python 版本兼容。

• 用 poetry 或 pip-tools（requirements.in → requirements.txt）生成精确依赖树
• Docker 构建时用多阶段：build 阶段编译依赖（如 cryptography），runtime 阶段只复制 dist 和 venv，镜像体积压到 100MB 内
• CI 流水线中强制检查 poetry lock --check 或 pip-compile --upgrade --generate-hashes

可观测性不是上线后才加

日志、指标、链路追踪要从第一行代码就设计进去，而不是等线上报错才手忙脚乱补 print()。

立即学习 “Python 免费学习笔记（深入）”；

• 日志统一用 structlog 或 loguru，输出 JSON 格式，字段含 request_id、service_name、level，便于 ELK / Loki 聚合
• 关键路径埋点：HTTP 请求耗时、数据库查询慢日志（SQLAlchemy event.listen）、第三方调用成功率
• 用 opentelemetry-python 接入 Jaeger / Zipkin，自动捕获 FastAPI 路由、Celery 任务、Redis 调用链

自动化测试覆盖关键路径

企业项目不求 100% 覆盖率，但核心流程必须有稳定回归能力。测试要快、可并行、不依赖外部服务。

• 单元测试用 pytest + pytest-mock，打桩外部 API 和数据库（sqlite:///:memory: 或 aiosqlite）
• 集成测试跑真实 DB（Dockerized PostgreSQL）和消息队列（RabbitMQ/Kafka），但用 pytest-xdist 并行执行
• 端到端测试聚焦主干路径（如用户注册→下单→支付回调），用 httpx + testcontainers 启停依赖服务

真正的企业级经验，藏在每次 Code Review 的注释里、在 CI 失败后的排查记录中、在凌晨三点修复的数据库连接泄漏里。它不靠炫技，而靠把每件事做稳、做透、做可交接。