في لغة بايثون المتقدمة، يتجاوز المطورون كتابة الكود الذي يؤدي الغرض فحسب، إلى كتابة كود يتسم بالكفاءة العالية، الاستهلاك الأمثل للذاكرة، والقابلية للتوسع والصيانة. عندما تنتقل من مستوى متوسط إلى مستوى احترافي، تصبح أداتان أساسيتان في غاية الأهمية: المولدات (Generators) ومزينات الدوال (Decorators). هذان المفهمومان ليسا مجرد ميزات متقدمة، بل هما الركيزتان اللتان تعتمد عليهما العديد من إطارات العمل والمكتبات البرمجية الضخمة للتعامل مع البيانات الضخمة وتعديل سلوك الدوال دون تغيير شفرتها المصدرية.

في هذا الدرس، سنغوص بعمق في آليات عمل المولدات ومزينات الدوال، ونتعرف على كيفية استغلالهما لتحسين أداء برامج بايثون، متجاوزين المفاهيم السطحية إلى التطبيق العملي المباشر الذي يحتاجه مطورو البرمجيات في بيئات الإنتاج الحقيقية.

فهم المولدات (Generators): الذاكرة الكسولة وكفاءة التنفيذ

لكي تفهم سبب حاجتك للمولدات، عليك أولاً أن تفهم مشكلة المجموعات العادية (Lists) في بايثون. عندما تقوم بإنشاء قائمة تحتوي على مليون عنصر باستخدام range(1000000)، فإن بايثون يحجز مساحة في الذاكرة لتخزين المليون عنصر دفعة واحدة. هذا النمط، المعروف بتقييم البيانات الفوري (Eager Evaluation)، قد يستهلك ذاكرة الوصول العشوائي بسرعة هائلة ويؤدي إلى بطء النظام أو انهياره في حال كانت البيانات أكبر بكثير.

هنا يأتي دور المولدات التي تعتمد على التقييم الكسول (Lazy Evaluation). المولد هو دالة عادية تبدو ظاهرياً كأي دالة أخرى، ولكن بدلاً من استخدام return لإرجاع النتيجة وإنهاء التنفيذ، تستخدم الكلمة المفتاحية yield. عندما يصل التنفيذ إلى yield، تُرجع الدالة القيمة الحالية وتوقف حالتها مؤقتاً، محتفظة بجميع متغيراتها المحلية، لتعود وتستكمل التنفيذ من حيث انتهت في المرة التالية التي تُطلب فيها القيمة.

def memory_efficient_generator(n):
    current = 0
    while current < n:
        yield current
        current += 1

# استخدام المولد
gen = memory_efficient_generator(5)
print(next(gen))  # الناتج: 0
print(next(gen))  # الناتج: 1

في الكود أعلاه، قمنا بتعريف مولد يولد الأرقام تصاعدياً. الدالة لا تنفذ بالكامل مرة واحدة؛ بل يتم استهلاك الذاكرة لعنصر واحد فقط في كل لحظة زمنية. عندما نستدعي next()، ينتقل التنفيذ حتى يصل إلى yield، ثم يتوقف مجدداً في انتظار الطلب التالي.

تعابير المولدات (Generator Expressions)

تماماً كما توجد استيعابات القوائم (List Comprehensions)، توجد أيضاً تعابير المولدات، وهي طريقة مختصرة وأنيقة لإنشاء مولدات دون الحاجة لكتابة دالة كاملة. الفرق الجوهري في بناء الجملة هو استخدام الأقواس الدائرية () بدلاً من الأقواس المربعة [].

# تعبير مولد لحساب مربعات الأرقام الضخمة
squares_gen = (x * x for x in range(1000000000))

# يمكنك تمرير المولد مباشرة للدوال التي تقبل عناصر قابلة للتكرار
print(next(squares_gen))
print(next(squares_gen))

هذا التعبير لا يحسب الأرقام أو يخزنها في الذاكرة على الإطلاق. الحجم الذي يشغله المتغير squares_gen في الذاكرة ثابت وصغير جداً، بغض النظر عن ضخامة النطاق المحدد، لأن القيم تُحسب عند الطلب فقط.

مزينات الدوال (Decorators): إعادة استخدام الكود بذكاء

الانتقال الثاني في مستواك الاحترافي بلغة بايثون يتعلق بمزينات الدوال. المزينات هي ببساطة تصميم برمجي (Design Pattern) يسمح لك بتعديل أو تحسين سلوك دالة أو صف (Class) دون تعديل الكود الفعلي داخل تلك الدالة. تعتمد المزينات على حقيقة أن الدوال في بايثون هي كائنات من الدرجة الأولى (First-class citizens)، مما يعني أنه يمكن تمريرها كمتغيرات، إرجاعها من دالة أخرى، أو تخزينها في هياكل بيانات.

لفهم كيفية عمل المزينات من الداخل، دعنا نكتب مزيناً بسيطاً يقوم بقياس وقت تنفيذ دالة معينة:

def repeat(num_times):
    def decorator_repeat(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            for _ in range(num_times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator_repeat

@repeat(num_times=3)
def greet(name):
    print(f"مرحباً، {name}")

greet("سعيد")
# الناتج: ستطبع العبارة ثلاث مرات متتالية