Python 的 obj.x 到底按什么顺序找？拆开数据描述符、实例字典和 __getattr__ 那条优先级链

先看一组我在自己机器上跑出来的数（CPython 3.13.14，timeit 200 万次取平均）：

text 复制代码

普通实例属性             22.1 ns/次
非数据描述符（实例字典赢） 57.1 ns/次
数据描述符               137.6 ns/次
__getattr__ 兜底         191.5 ns/次
覆写 __getattribute__    226.5 ns/次

同样一句 obj.x，最慢和最快差了十倍。差别不在字典查得快不快，而在这一句背后有一条五层的优先级链，Python 得一层层往下试。

更反直觉的是：我把值塞进了 obj.__dict__，取出来却可能不是它。

一、一个「塞进去也白塞」的实验

python 复制代码

class DataDesc:
    def __get__(self, obj, owner): return 'DATA_DESC'
    def __set__(self, obj, v): pass          # 关键：有 __set__

class NonDataDesc:
    def __get__(self, obj, owner): return 'NONDATA_DESC'
    # 没有 __set__

class K:
    d = DataDesc()
    n = NonDataDesc()
    cls_attr = 'CLASS_ATTR'
    def __getattr__(self, name):
        return 'GETATTR:' + name

k = K()
k.__dict__['d']        = 'INSTANCE_DICT'
k.__dict__['n']        = 'INSTANCE_DICT'
k.__dict__['cls_attr'] = 'INSTANCE_DICT'

三个键都实打实写进了实例字典，取值结果却是：

text 复制代码

k.d         -> DATA_DESC        # 不是 INSTANCE_DICT
k.n         -> INSTANCE_DICT    # 不是 NONDATA_DESC
k.cls_attr  -> INSTANCE_DICT    # 不是 CLASS_ATTR
k.missing   -> GETATTR:missing  # 字典里根本没有

名字一样，命运不同。决定权不在实例字典，而在类那边那个同名对象有没有 __set__。

二、判定标准只有一个：有没有 set

python 复制代码

print(hasattr(K.__dict__['d'], '__set__'))   # True  -> 数据描述符
print(hasattr(K.__dict__['n'], '__set__'))   # False -> 非数据描述符

Python 的叫法很直白：

数据描述符（data descriptor） ：定义了 __set__ 或 __delete__。property 是最常见的一种。
非数据描述符（non-data descriptor） ：只定义 __get__。普通函数就是这一种 ，所以 self.method 才会变成绑定方法。

只有数据描述符能压过实例字典。原因也不神秘：它既能读又能写，如果允许实例字典里的同名键把它盖掉，那它的 __set__ 就永远轮不到执行，赋值语义会自相矛盾。

三、完整的五层链

object.__getattribute__ 内部的查找顺序，一句话版：

text 复制代码

1. 类及其 MRO 上找同名属性，若是「数据描述符」 -> 直接调它的 __get__，结束
2. 查实例 __dict__ -> 命中就返回，结束
3. 类上那个属性若是「非数据描述符」 -> 调它的 __get__，结束
4. 类上那个属性是普通值 -> 直接返回，结束
5. 以上全没找到，且类定义了 __getattr__ -> 调 __getattr__，否则抛 AttributeError

注意第 1 步在实例字典之前。这就是 k.d 明明字典里有值，却返回 DATA_DESC 的原因。

也注意第 3 步：普通函数是非数据描述符，所以实例属性可以覆盖方法。

python 复制代码

class A:
    def f(self): return 'method'
a = A()
a.f = 'shadowed'
print(a.f())        # TypeError: 'str' object is not callable

这不是 bug，是优先级链按设计跑完了。而 property 因为有 __set__（哪怕你没写 setter，property 对象也自带抛 AttributeError 的 __set__），实例属性盖不住它：

python 复制代码

class B:
    @property
    def x(self): return 42
b = B()
b.x = 99            # AttributeError: property 'x' of 'B' object has no setter

四、性能账怎么读

把实测数据按链上的位置重排：

路径	命中层	ns/次
`k.plain`	第 2 层：实例字典	22.1
`k.n`	第 2 层：实例字典（先否掉非数据描述符）	57.1
`k.d`	第 1 层：数据描述符 `__get__`	137.6
`k.missing`	第 5 层：`__getattr__` 兜底	191.5
`g.x`（覆写 `__getattribute__`）	Python 层再进一次函数	226.5

三点值得留意：

k.plain 和 k.n 都命中实例字典，却差了 2.6 倍 。因为 k.n 得先走一遍类 MRO、判断出 NonDataDesc 不是数据描述符，才能放心去查实例字典。多出来的就是这段判定。
数据描述符贵在要调 Python 层的 __get__，137.6ns 里绝大部分是一次函数调用。
别为了「灵活」去覆写 __getattribute__ ，226.5ns 已经比普通属性慢十倍，而且类里每一个属性访问都要过你这段 Python 代码。真要兜底，用 __getattr__ ------ 它只在找不到时才被叫到。

五、调试时怎么看穿这条链

inspect.getattr_static 会绕开描述符协议，把「原始找到的那个对象」还给你，不触发 __get__：

python 复制代码

import inspect
print(type(inspect.getattr_static(k, 'd')).__name__)   # DataDesc
print(type(inspect.getattr_static(k, 'n')).__name__)   # str  <- 实例字典里那个

一个实用判断：当你怀疑「这个值到底从哪来的」，先 getattr_static，再看 'x' in obj.__dict__，最后翻 type(obj).__mro__ 里各类的 __dict__。比在 __getattribute__ 里打日志干净得多。

六、写下来就三句话

优先级：数据描述符 > 实例字典 > 非数据描述符 > 类属性 > __getattr__。
分水岭是 __set__：有它就能压过实例字典，没有就得排在后面。
这条链每多走一层，就要多付几十纳秒；热路径上尽量让它停在第 2 层。

我把实验脚本留在 d51-probe.py 里，换台机器、换个 Python 版本可以直接复跑。数值会变，量级和顺序不会。