插件機制是代碼/功能反向依賴注入到主體程序的一種方法，編譯型語言通過動態加載動態庫實現插件。對于Python這樣的腳本語言，實現插件機制更簡單。

機制

Python的__import__方法可以動態地加載Python文件，即以某個py腳本的文件名作為__import__的參數，在程序運行的時候加載py腳本程序模塊。對應的import關鍵字則是靜態加載依賴的py模塊。

描述

__import__() 函數用于動態加載類和函數 。

如果一個模塊經常變化就可以使用 __import__() 來動態載入。

語法

__import__ 語法：

__import__(name[, globals[, locals[, fromlist[, level]]]])

參數說明：

name -- 模塊名

需要動態加載的py腳本若存放在任意的目錄下，則需要首先需要增加腳本查找路徑：

sys.path.append(modulePath)

應用示例

# 增加查找路徑sys.path.append(modulePath)# 加載腳本module = __import__(moduleName) # 保存腳本對象，否則會被析構 self.modules[moduleName] = module# 調用插件中的方法初始化module.InitModule(self)

總結

使用插件機制可以實現高內聚低耦合的程序。

在實踐中，我們處理的任務有若干的可執行程序配合完成，可執行程序可以是C++，.Net , Java，甚至其他腳本程序，這時候我們使用Python作為粘合劑，定義了主體的任務流程框架，使用插件機制動態的注入需要執行的任務。

另外當在不同的情況下，需要使用不同的exe配合的時候，我們只需要用json定義需要的exe組合，主程序不需要做任何的更改就可以滿足變換的業務需求。

補充知識：Kusto使用python plugin

整個流程為kusto的數據進入python腳本時自動轉化為pandas DataFrame，

python 腳本的輸出自動轉化為kusto table，其中列名和變量都保持不變。

Python 腳本緊接著Kusto的輸出

注意以下幾點

1.typeof為python腳本輸出的參數

2.typeof 中的數據類型跟python腳本輸出pandas DataFrame列是完全一致的，包括變量名，變量類型，前后不一致的話會報錯

3.typeof 中*表示復用輸入的數據類型， 比如（ *，age:int） 表示輸入在輸出的基礎上多個了age屬性

4. python腳本的輸入是轉化為DataFrame 的kusto table, 其在python腳本里的變量名為df（會自動匹配上）， 同時我們要讓輸出的DataFrame 命名為result, 程序會自動輸出

5. python 中可以接受外界參數，通過 kargs['topK']這樣的形式,kargs是系統默認的傳遞參數的變量， 同時kusto在python腳本的最后通過pack('topK', 10)這樣的形式往python腳本中傳遞參數

6 .python腳本可以直接寫在kusto代碼中，也可以以鏈接的形式訪問

7. kusto 中的python運行企業版的anaconda上，個人沒法輕易安裝自己想要的包，所以如果要使用某些包，最好是將其功能用最基本的包寫好。kusto 運行鏡像的沙盒支持 numpy ,pd, 以及tensorflow ,keras ,torch hdbscan, xgboost 這些比較大眾的包

以上這篇Python插件機制實現詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持好吧啦網。