Python 3.15 实用新特性详解：懒加载、不可变字典与采样分析器

Python 3.15 带来了一批务实的改进。虽然没有颠覆性的大变动，但其中几项特性会实实在在地影响日常开发——从减少启动开销的懒加载导入，到期待已久的不可变字典，再到内置的标准哨兵值。本文梳理这些你真正用得上的新能力，以及它们背后的设计权衡。

懒加载导入（lazy imports）

大型 Python 应用在启动阶段常常要耗费不少时间加载各种模块，而其中很多在某次具体运行中根本用不到。过去常见的做法是把开销大的导入语句挪进函数内部，比如在数据分析函数里才 import pandas。这样确实能延迟加载，但代价是把依赖声明分散到了代码各处——你没法再通过文件顶部一眼看清这个脚本到底需要什么。

Python 3.15 用新的 lazy 关键字解决了这个矛盾。你只需在文件顶部写 lazy import pandas，依赖声明依然清晰可见，但 Python 只会在代码首次用到它时才真正加载。

这里有一个必须了解的权衡：使用懒加载后，模块导入时可能发生的任何导入错误或副作用，会从「应用启动时」推迟到「首次使用时」才暴露。正因为这个代价，懒加载并非默认行为——但至少，现在你有了这个选项。

不可变字典 frozen dict

Python 一直有可变的 list 与只读的 tuple，有可变的 set 与只读的 frozenset，唯独字典缺少一个「冻结」版本。Python 3.15 终于补上了这块短板，内置了不可变映射 frozen dict。

它直接内建于语言中，无需任何 import。你可以像构造普通字典一样创建一个 frozen dict，但一旦尝试修改它，就会抛出 TypeError。当键和值都可哈希时，frozen dict 本身也是可哈希的，这让它可以用作缓存键，甚至作为另一个字典的配置键。

一个重要细节是：frozen dict 并不是 dict 的子类。如果你的代码需要判断某个对象是否具备映射行为，应当使用 collections.abc 中的 Mapping 类型进行检查，而不是去判断它是否是具体的 dict 容器。

在此之前，Python 开发者如果需要不可变映射，通常只能借助 types.MappingProxyType 来包装一个普通字典，得到一个只读视图——但这个代理对象本身不可哈希，也无法直接序列化，使用体验相当粗糙。第三方库 frozendict 填补过这一空缺，但需要额外安装依赖。内置 frozenset 早在 Python 2.4 就已存在，字典却迟迟没有对应物，这个不对称性困扰了社区近二十年。frozen dict 纳入标准库后，配置对象、函数默认参数、作为 functools.lru_cache 缓存键等场景都有了更自然的表达方式，无需再绕道包装或依赖第三方包。

标准哨兵值 sentinel

在表达「某个参数未被提供」这类语义时，None 有时并不够用，因为 None 本身可能就是一个合法的值。过去开发者通常自己创建一个 missing = object() 作为哨兵，但 object 并非为此设计，携带了大量无用信息，用起来并不顺手。

Python 3.15 内置了专门的 sentinel 类型。它有可读的字符串表示，在拷贝时保持身份标识不变，在模块作用域正确定义时支持 pickling，还能用于类型表达式。这为 API 提供了一种标准、可读的方式来表达「此处没有提供值」。使用哨兵做判断时，记得始终用 is 而不是 ==。

推导式中的解包

这是视频开头演示的那个小而美的改进。现在你可以在列表推导式里直接用解包语法来扁平化一个嵌套列表，一行搞定「list of lists」的展平。它不仅适用于列表，字典推导式同样支持解包。虽然 Pylance 等类型检查器目前还会报错提示不支持，但在 Python 3.15 中它确实能正常运行。相比以前的写法，这种更简洁的表达值得拥有。

新的 profiling 包与采样分析器

Python 3.15 新增了 profiling 包，统一组织内置的性能分析工具。其中 profiling.tracing 是确定性调用追踪的新归属（cProfile 仍保留以兼容），而更有意思的是 profiling.sampling，也被称为 Tachyon。

传统分析器会记录每一次调用和返回，信息极其详尽，但也给每个调用都增加了额外开销。采样分析器则不同——它不是时刻追踪，而是周期性地抓取调用栈快照，从而把开销控制得很低。Tachyon 既能分析脚本，也能通过进程 ID 挂载到一个已经在运行的 Python 进程上。

在 macOS 上运行它需要用 sudo 以获取提权权限。当你分析的脚本在重复执行同一操作成千上万次时，采样分析完全够用——你并不需要知道每一次具体调用的信息。它支持 CPU 采样，也能更聚焦于异常，并输出丰富的分析结果。由于需要相应的操作系统权限，它更适合作为偶尔使用的可观测性工具。

采样分析器（sampling profiler）与传统追踪分析器（tracing profiler）之间的本质区别在于观测方式：追踪分析器通过钩入每一次函数调用和返回事件来收集数据，能给出精确的调用次数和累计耗时，但这种「无死角监控」本身就会拖慢程序，有时开销高达数倍；采样分析器则像是周期性按下快门，以固定时间间隔（例如每毫秒一次）抓取当前调用栈，通过统计各函数出现的频率来估算热点，开销通常只有百分之几。在生产环境或长时运行的服务中，采样分析器几乎是唯一可行的选择，因为它不会显著改变程序的行为。Tachyon 能够挂载到已运行进程这一点尤为重要——这意味着你无需重启服务、无需修改代码，就可以对一个正在处理真实流量的进程做即时诊断。

默认 UTF-8 编码

Python 3.15 在未指定编码时，默认使用 UTF-8，且不再依赖系统 locale。这意味着一段读写文件的代码不必再显式写 encoding='utf-8'。在 3.15 之前，这类代码在不同机器上可能表现各异，因为默认编码由 locale 决定。统一到 UTF-8 消除了又一个平台相关的隐患。

不过作者建议，对于那些明确定义了编码的文件格式，仍应显式写上 encoding='utf-8'，以此在代码中记录你的假设——显式永远优于隐式。

类型系统的增强

TypedDict 现在支持声明「额外项」（extra items）的类型。比如一个 API 响应类，status 字段是整数，而所有额外的键则被约定为字符串类型。这样当你试图添加一个布尔值作为额外项时，类型检查器就会报错。这对于需要约束动态键类型的场景非常实用。

此外还新增了 TypeForm，主要面向库作者——当 API 需要接受类型表达式（如 list[int] 或 str | None）时就会用到。普通开发者大概率用不上，但验证、序列化、依赖注入等库可以借此更精确地描述自己的 API。

JIT、自由线程与其他改进

实验性的 JIT 编译器虽非新事物，但在 3.15 中得到了大幅改进。它现在通过全新的追踪前端跟随真实执行路径，理解更多操作，加入了基础的寄存器分配等优化。需要提醒的是，提速幅度高度依赖具体工作负载和构建设置，不能简单地理解为「Python 快了 10%」。可喜的是，JIT 正变得能够优化更广泛的常规 Python 代码。

自由线程（free threading）也继续推进，主要影响扩展作者。新增了名为 ABI3T 的稳定 API 目标，用于支持无 GIL 的 C 扩展，降低了扩展支持无 GIL Python 的门槛。

其他零碎改进包括：跨语言常见错误的提示信息更友好；在支持的平台上默认启用帧指针（frame pointers），改善性能分析、调试和崩溃分析体验。这些算不上重大更新，却是让 Python 日趋完善的细节。

自由线程（free threading）指的是去除 GIL（全局解释器锁）后让多个线程真正并行执行 Python 字节码的能力，这一实验性特性自 Python 3.13 起以可选构建的形式引入。GIL 长期以来是 Python 多线程并行计算的核心瓶颈——即便在多核机器上，受 GIL 约束的线程同一时刻也只有一个能执行 Python 代码。去除 GIL 对纯 Python 的计算密集型多线程场景意义重大，但对 C 扩展而言则意味着大量的适配工作：原本依赖 GIL 提供隐式保护的共享状态必须改用显式锁来保证线程安全。ABI3T 稳定 API 目标的加入，正是为了让扩展作者能够以更低的维护成本同时支持有 GIL 和无 GIL 两种构建，是推动生态系统向自由线程迁移的关键一步。

总结

整体来看，Python 3.15 是对上一版本的一次扎实改进——没有石破天惊的变化，但处处见诚意。如果要挑出最实用的两项，frozen dict 和 lazy imports 大概会是日常开发中最常受益的特性。你最期待哪一项？