cattrs.structure 变慢因默认走全反射+动态类型推导路径，每次调用重复检查字段、查找转换器；提速关键为提前固化类型映射，如用 genconverter 并复用实例。
为什么 cattrs.structure 会突然变慢？
因为默认走的是「全反射 + 动态类型推导」路径，每次调用都要重新检查字段类型、查找转换器、处理嵌套结构。不是编译期绑定，而是运行时逐层 dispatch。
常见错误现象：cattrs.structure 在循环里被反复调用（比如解析上千条 json），CPU 占用飙升，耗时呈线性甚至次线性增长——这不是数据量问题，是重复开销没被消除。
- 使用场景：高频结构化（如 Web API 批量响应解析、日志行转对象）
- 关键参数差异：
cattrs.GenConverter()默认不缓存转换器；而cattrs.BaseConverter()也不自动缓存structure路径，除非显式注册 - 性能影响：未优化时，单次
structure可能比json.loads慢 5–20 倍；缓存后可逼近原生dict构造速度
怎么让 cattrs.structure 快起来？
核心就一条：把类型到转换逻辑的映射提前固化，避免每次重算。不是换库，是改用法。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
cattrs.GenConverter(omit_if_default=True)替代默认cattrs.Converter()，它会在首次调用时生成专用转换函数并缓存 - 对固定类型，显式注册结构化函数：
converter.register_structure_hook(MyClass, Lambda d, t: MyClass(**d))，绕过反射 - 如果字段全是基础类型（
str/int/datetime等），禁用属性检查：converter = cattrs.GenConverter(detailed_validation=False) - 避免在循环内新建
Converter实例——复用同一个实例，它的缓存才生效
structure 和 unstructure 性能差距大吗？
大。通常 unstructure 快得多，因为它是「确定性展开」：对象 → 字典，字段名和值类型已知，基本就是递归 getattr + 类型判断；而 structure 是「逆向匹配」：字典 → 对象，要处理缺失字段、类型转换、嵌套结构、钩子触发顺序等。
典型表现：
- 同一组数据，
unstructure耗时常为structure的 1/3 到 1/5 - 如果类里有
typing.union或自定义__post_init__，structure开销会指数级上升 - 兼容性注意：python 3.9+ 的
typing.Annotated在旧版cattrs（
哪些情况别硬扛 cattrs.structure 性能？
当结构转换只是中间步骤，且原始数据格式可控时，直接手写解析往往更稳更快。
比如：
- 从 kafka 或数据库读出的 JSON 已知 schema，用
dataclasses.asdict配合json.loads+ 字段校验更轻量 - 需要 10 万+/秒吞吐的实时流处理，
cattrs的 hook 调度和异常包装反而成瓶颈 - 目标类字段极少（MyClass(**data) 比走
cattrs快 3–8 倍
真正难优化的点不在代码怎么写，而在「什么时候该放弃结构转换抽象」——类型安全和性能之间，cattrs 默认选了前者，你得自己决定要不要切过去。