该用import而非延迟加载的情况是模块在启动时就被高频调用（如json、os），此时函数内import会增加重复开销且隐晦依赖；真正适合延迟加载的是启动不用、运行中可能用且导入成本高的模块（如torch、cv2）。
什么时候该用 import 而不是延迟加载？
模块延迟加载不是银弹。如果模块在启动时就被高频调用（比如 json、os），硬塞进函数里做 import 反而增加重复开销，还让依赖关系变隐晦。真正适合延迟加载的，是那些「启动时不需、运行中可能用、且导入成本高」的模块，比如 torch、tensorflow、cv2 或大型 CLI 工具依赖的 click 子模块。
函数内 import 是最简单可靠的延迟方式
Python 的 import 语句本身是惰性的——只要没执行到那行，就不会触发加载。把 import 放进函数体里，是最轻量、最兼容、最易 debug 的做法。
常见错误：把 import 放在类方法里但写成类属性或模块级变量，结果一导入模块就执行了。
- ✅ 正确：
def process_image():<br> import cv2 # 每次调用才加载<br> return cv2.imread("test.jpg") - ❌ 错误：
class Processor:<br> cv2 = __import__("cv2") # 导入发生在类定义时 - ⚠️ 注意：多次调用会重复 import，但 CPython 会缓存已加载模块，实际开销极小；若担心，可加
if "cv2" not in sys.modules:判断（通常没必要）
用 importlib.import_module() 动态控制路径和条件
当模块名是字符串、需要按环境切换、或想捕获导入失败时，importlib.import_module() 比 import 更灵活。
立即学习“Python免费学习笔记（深入）”；
典型场景：不同后端（"backend.gpu" vs "backend.cpu"）、插件系统、或 fallback 导入（比如优先试 orjson，失败再用 json）。
- 必须传入完整模块路径，不支持相对导入（如
".utils"） - 返回的是模块对象，不是自动注入到当前命名空间，需显式赋值：
try:<br> json_mod = importlib.import_module("orjson")<br>except ImportError:<br> json_mod = importlib.import_module("json") - 注意缓存：
importlib.import_module()同样受sys.modules缓存保护，不会重复初始化
全局延迟加载封装要小心循环引用和线程安全
如果多个函数都要用同一个重型模块，又不想每处都写 import，可以封装一个带缓存的 getter。但这里容易踩坑：
- 避免在模块顶层用
global+ 函数内赋值，容易引发导入时序问题 - 多线程下首次导入可能并发触发，虽然
import本身线程安全，但自定义缓存逻辑需加锁（threading.Lock） - 更稳妥的做法是用
functools.cached_property（Python 3.8+）或typing.LazyImport（3.12+ 实验性，暂不推荐生产） - 示例安全封装：
_torch_mod = None<br>_torch_lock = threading.Lock()<br><br>def get_torch():<br> global _torch_mod<br> if _torch_mod is None:<br> with _torch_lock:<br> if _torch_mod is None:<br> import torch<br> _torch_mod = torch<br> return _torch_mod
真正麻烦的从来不是“怎么写”，而是“在哪导入”和“谁会先触发它”——尤其在包结构复杂、有 __init__.py 侧加载逻辑时，延迟导入反而可能掩盖真正的初始化顺序问题。
