Python配置管理需分四层：基础层优先读环境变量（如os.getenv）防泄露；配置层按环境分文件继承；运行层启动时单例化校验；安全层用.env.example模板与.gitignore隔离敏感信息。
Python项目中读取配置，核心是把“变的”和“不变的”分开，让不同环境用不同的值，同时避免硬编码、敏感信息泄露和配置混乱。分层设计不是炫技，而是为了解决部署时改配置改到崩溃、测试环境连错生产数据库这类真实问题。
基础层：环境变量优先
操作系统环境变量是最高优先级的配置来源，适合存放密钥、API Token、开关类参数。Python 用 os.getenv() 读取，天然支持 Docker、K8s、CI/CD 注入，且不落地、不提交。
- 敏感字段（如 DATABASE_URL、SECRET_KEY）必须只通过环境变量传入
- 用默认值兜底但仅限非敏感字段，例如：DEBUG = os.getenv("DEBUG", "false").lower() == "true"
- 避免在代码里写 os.environ["MISSING_KEY"]，会直接报 KeyError；一律用 getenv(key, default)
配置层：按环境切分文件
用 Python 原生模块（如 configparser）或轻量库（如 pydantic-settings）管理结构化配置。不推荐全用 JSON/YAML——它们不支持注释、类型弱、没法做逻辑分支。
- 按环境建文件：config/base.py（通用）、config/development.py、config/production.py
- 子类继承 + 覆盖：production 继承 base，只重写 DB_URI、LOG_LEVEL 等必要项
- 启动时根据 ENV=production 自动加载对应模块，而非手动 import
运行层：实例化一次，全局只用一个配置对象
配置不是每次需要都重新读文件或查环境变量，而应在应用启动初期就解析、校验、转成不可变对象（如 Pydantic Settings 实例），之后所有模块通过单例访问。
立即学习“Python免费学习笔记（深入）”；
- 定义统一入口，比如 from config import settings，内部完成自动识别环境+合并+验证
- 字段加类型提示和校验（如 URL 格式、非空、枚举值），启动失败早于运行时报错
- 禁止在函数里重复调用 os.getenv 或读配置文件——易出错且难测
安全层：隔离敏感与非敏感，本地开发友好
开发机不需要填满所有生产配置，但又要能跑通。方案是拆开“模板”和“填充”：
- 提供 .env.example（含字段名和说明，不含真实值），git 提交
- 实际 .env 加入 .gitignore，本地自己填，CI/CD 中由 secrets 注入
- 用 python-dotenv 在开发时自动加载 .env，但明确禁用在生产环境（避免覆盖正式环境变量）
