本文介绍一种基于字典+列表的轻量级动态数据结构设计，适用于运行时按类型（名称）自动归类、增删和检索异构数据实例，兼顾灵活性与可维护性。
本文介绍一种基于字典+列表的轻量级动态数据结构设计，适用于运行时按类型（名称）自动归类、增删和检索异构数据实例，兼顾灵活性与可维护性。
在实际开发中，当需要动态管理多种逻辑类型（如传感器类型、日志类别、用户事件等）的数据实例，且每种类型下可能包含多个时间戳一致、结构相似（如含 time、type、data 字段）但内容不同的记录时，硬编码类或嵌套字典极易导致可读性差、扩展困难和维护成本高。此时，一个简洁、可伸缩的结构比复杂框架更实用。
推荐采用 “主字典 + 类型键映射为列表” 的模式：主字典的键（如 'data1'、'sensor_temp'）代表数据类型标识（即您原图中的 dataType1, dataType2），对应值为该类型所有实例组成的列表。每个实例统一为字典，确保字段语义清晰、易于序列化与调试。
以下是优化后的实现示例（含健壮性增强）：
class DynamicDataRegistry:
def __init__(self):
self._registry = {}
def add_data_instance(self, instance: dict):
"""添加数据实例。要求 instance 包含 'name' 键作为类型标识"""
name = instance.get('name')
if not isinstance(name, str) or not name.strip():
raise ValueError("Instance must contain a non-empty string 'name' key")
if name not in self._registry:
self._registry[name] = []
self._registry[name].append(instance)
def get_instances_by_name(self, name: str) -> list:
"""安全获取指定类型的所有实例（返回空列表而非 KeyError）"""
return self._registry.get(name, [])
def all_types(self) -> list:
"""返回当前所有已注册的数据类型名"""
return list(self._registry.keys())
def count_instances(self) -> int:
"""统计全部实例总数"""
return sum(len(instances) for instances in self._registry.values())使用方式简洁直观：
立即学习“Python免费学习笔记（深入）”；
registry = DynamicDataRegistry()
# 动态注册不同类型实例
registry.add_data_instance({'name': 'temperature', 'time': '2024-06-15T10:30:00', 'data': 23.5})
registry.add_data_instance({'name': 'temperature', 'time': '2024-06-15T10:31:00', 'data': 23.7})
registry.add_data_instance({'name': 'error_log', 'time': '2024-06-15T10:32:00', 'data': 'Connection timeout'})
print(registry.get_instances_by_name('temperature')) # 获取全部温度数据
print(registry.all_types()) # ['temperature', 'error_log']
print(registry.count_instances()) # 3✅ 优势说明：
- ✅ 运行时灵活：无需预定义类型，首次出现 name 即自动创建分组；
- ✅ 内存友好：避免深度嵌套，访问 registry['temperature'][0]['data'] 直观高效；
- ✅ 可扩展性强：后续可轻松添加过滤、持久化（如 json.dump(self._registry, f)）、或按时间排序等能力；
- ✅ 类型安全提示：通过 instance.get('name') 和校验逻辑规避 KeyError 或空键风险。
⚠️ 注意事项：
- 若需频繁按时间范围查询，建议在 add_data_instance 中对列表做有序插入（配合 bisect 模块），或改用 defaultdict(list) 提升初始化性能；
- 生产环境若涉及并发写入，请为 add_data_instance 加锁（如 threading.Lock）；
- 长期存储时，建议将 time 字段标准化为 datetime 对象或 ISO 格式字符串，便于解析与比较。
这种设计不依赖第三方库，代码简短、逻辑透明，是 Python 中处理动态分组异构数据的典型范式——简单，却足够强大。
