在 Python 中，动态修改模块全局变量（module-level global variables）虽然方便，但可能带来不少隐蔽问题，尤其是在大型项目、多线程程序和长期运行服务中。

1. 意外影响所有导入者

假设有一个配置模块：

# config.py

DEBUG = False

其他地方引用：

import config

print(config.DEBUG)

运行时修改：

import config

config.DEBUG = True

此时所有已经导入 config 的模块看到的都是：

True

因为 Python 默认只加载一次模块，后续导入共享同一个模块对象。

例如：

# a.py

import config

# b.py

import config

config.DEBUG = True

# c.py

import config

print(config.DEBUG)

输出：

True

这可能导致：

调试开关失控

配置被污染

某些模块行为突然变化

2. 导入方式导致结果不一致

如果使用：

from config import DEBUG

那么：

import config

config.DEBUG = True

不会影响已经导入的变量：

print(DEBUG)

仍然是：

False

因为：

from config import DEBUG

相当于：

DEBUG = config.DEBUG

复制了一份引用。

这会导致：

config.DEBUG

与：

DEBUG

值不一致。

属于非常常见的坑。

3. 多线程竞争问题

例如：

counter = 0

两个线程同时修改：

counter += 1

看起来简单：

LOAD

ADD

STORE

实际上不是原子操作。

可能出现：

线程A读取 100

线程B读取 100

线程A写入 101

线程B写入 101

结果：

102 -> 101

数据丢失。

解决通常需要：

threading.Lock()

4. 测试污染

单元测试特别容易踩坑：

# settings.py

ENABLE_CACHE = True

测试A：

settings.ENABLE_CACHE = False

测试B：

assert settings.ENABLE_CACHE is True

如果执行顺序变化：

A -> B

测试失败。

如果：

B -> A

测试通过。

形成随机失败（Flaky Test）。

5. 热更新风险

很多 Web 服务：

Django

Flask

FastAPI

Celery

长期运行。

例如：

TOKEN = "abc"

运行期间修改：

TOKEN = "xyz"

部分请求可能使用旧值：

abc

部分请求使用新值：

xyz

导致：

登录异常

API认证失败

缓存混乱

6. reload() 带来的混乱

Python支持：

import importlib

importlib.reload(config)

例如：

config.DEBUG = True

然后：

reload(config)

模块重新执行：

DEBUG = False

恢复原值。

但其他模块可能仍然持有旧引用：

from config import DEBUG

此时出现：

config.DEBUG = False

DEBUG = True

极难排查。

7. 隐式依赖问题

坏例子：

# state.py

current_user = None

业务代码：

import state

state.current_user = "admin"

另一处：

import state

if state.current_user == "admin":

...

代码看起来没有参数传递：

func()

实际上依赖：

state.current_user

形成隐藏状态（Hidden State）。

后期维护非常困难。

8. 循环导入问题

# a.py

import b

GLOBAL = 123

# b.py

import a

print(a.GLOBAL)

可能出现：

AttributeError:

partially initialized module

因为模块尚未初始化完成。

如果全局变量又被动态修改：

问题更难定位。

更安全的做法

使用配置对象

class Config:

DEBUG = False

config = Config()

修改：

config.DEBUG = True

统一管理状态。

使用 dataclass

from dataclasses import dataclass

@dataclass

class Settings:

debug: bool = False

timeout: int = 30

settings = Settings()

显式参数传递

不要：

global current_user

而是：

def process(user):

...

这样依赖关系清晰可见。

总结

动态修改模块全局变量最大的风险不是语法错误，而是共享状态带来的不可预测性：

所有导入者同时受影响。

import x 与 from x import y 行为不同。

多线程容易产生竞态条件。

单元测试互相污染。

热更新可能造成状态混乱。

reload() 后出现引用不一致。

形成隐藏依赖，降低代码可维护性。

加剧循环导入问题。

对于小脚本问题不大，但在 Web 服务、爬虫框架、自动化平台或大型项目中，通常建议把全局变量封装到配置对象、上下文对象或依赖注入机制中，而不是在运行时随意修改模块级变量。

ITPub博客

Python 动态修改模块全局变量的风险

最新文章