Декораторы в Python нужны, чтобы добавлять новое поведение к функциям или классам без изменения их кода. Они позволяют решать различные задачи, например:

- Логирование. Замер времени работы функции или программы.
- Кэширование. Если при работе функции образуются промежуточные результаты и нужно запомнить их все.
- Ограничение скорости. Если нужно замедлить работу какой-то функции.
- Повторное выполнение. Если нужно, чтобы какая-то функция отработала два или больше раз.
- Контроль доступа. Если нужно проверить, что пользователь авторизован.

decorators.py – Полный код с примерами:

import functools
import time
from typing import Callable, Any
import random

# ===== 1. Декоратор кэширования с таймером =====
def cached_with_ttl(ttl_seconds: int = 60):
    """Кэширует результат функции на указанное время (TTL)."""
    def decorator(func: Callable) -> Callable:
        cache = {}
        
        @functools.wraps(func)
        def wrapper(*args, **kwargs) -> Any:
            cache_key = (args, frozenset(kwargs.items()))
            
            if cache_key in cache:
                cached_time, result = cache[cache_key]
                if (time.time() - cached_time) < ttl_seconds:
                    print(f"Используем кэш для {func.__name__}!")
                    return result
            
            result = func(*args, **kwargs)
            cache[cache_key] = (time.time(), result)
            return result
        
        return wrapper
    return decorator

# Пример использования:
@cached_with_ttl(ttl_seconds=10)
def expensive_calculation(x: int) -> int:
    print("Вычисляю... Это долго!")
    time.sleep(2)
    return x * x

# Тест:
print(expensive_calculation(5))  # Первый вызов – вычисляет
print(expensive_calculation(5))  # Второй вызов (менее 10 сек) – берёт из кэша

# ===== 2. Декоратор валидации аргументов =====
def validate_args(*validators: Callable):
    """Проверяет аргументы функции перед выполнением."""
    def decorator(func: Callable) -> Callable:
        @functools.wraps(func)
        def wrapper(*args, **kwargs) -> Any:
            for i, (arg, validator) in enumerate(zip(args, validators)):
                if not validator(arg):
                    raise ValueError(f"Аргумент {i} ({arg}) не прошёл валидацию!")
            return func(*args, **kwargs)
        return wrapper
    return decorator

# Пример использования:
@validate_args(lambda x: x > 0, lambda y: isinstance(y, str))
def divide_and_print(x: int, text: str) -> str:
    return f"{text}: {1 / x}"

print(divide_and_print(2, "Hello"))  # Ok
# print(divide_and_print(0, "Hello"))  # ValueError: Аргумент 0 (0) не прошёл валидацию!

# ===== 3. Декоратор для логирования SQL-запросов (имитация) =====
def log_sql_queries(verbose: bool = True):
    """Логирует 'SQL-запросы' (имитация для ORM)."""
    def decorator(func: Callable) -> Callable:
        @functools.wraps(func)
        def wrapper(*args, **kwargs) -> Any:
            if verbose:
                print(f"[SQL] Запрос: {func.__name__} с args={args}, kwargs={kwargs}")
            result = func(*args, **kwargs)
            if verbose:
                print(f"[SQL] Результат: {result}")
            return result
        return wrapper
    return decorator

# Пример использования:
@log_sql_queries()
def get_user(user_id: int) -> dict:
    # Имитация запроса к БД
    return {"id": user_id, "name": "Alice"}

get_user(1)  # Выведет логи в консоль

# ===== 4. Декоратор контроля памяти =====
def measure_memory(func: Callable) -> Callable:
    """Замеряет потребление памяти функцией (упрощённо)."""
    @functools.wraps(func)
    def wrapper(*args, **kwargs) -> Any:
        import tracemalloc
        
        tracemalloc.start()
        result = func(*args, **kwargs)
        snapshot = tracemalloc.take_snapshot()
        tracemalloc.stop()
        
        top_stats = snapshot.statistics('lineno')
        print(f"[Memory] Пиковое использование: {top_stats[0].size / 1024:.2f} KB")
        return result
    return wrapper

# Пример использования:
@measure_memory
def create_large_list(n: int) -> list:
    return [random.random() for _ in range(n)]

create_large_list(100_000)  # Выведет данные о памяти

Пример вывода в консоли: