Python 项目配置管理框架技术选型
一、背景介绍
在实际生产项目中，不同环境（如开发、测试、生产环境）常有不同配置需求，如数据库链接等。我们期望一份代码无需改动，仅通过单一配置变量调整就能适配和使用多个环境，实现 “一份代码，多处部署”的需求，以提升系统部署灵活性及配置管理能力。具体而言，支持“多环境配置”的配置管理框架（类库）应支持以下功能：
（1）必须支持不同环境加载不同配置，且多个环境可加载通用配置。
（2）必须支持复杂数据结构，如：列表、字典、对象等。
（3）必须支持字段数据类型转换，如：直接输出布尔类型字段的值 True，而不是字符串 'True'。
（4）必须支持变量引用，如：DOMAIN = "example.org",ADMIN_EMAIL = "admin@{DOMAIN}"。
（5）最好支持运行时动态修改配置，可通过修改系统环境变量更新变量值。
（6）最好支持主流配置文件格式，如 yml、json、toml 等，尤其是 Python 中常见的 toml 格式。
二、技术选型
Python 技术栈中常见的配置管理框架（类库）有 ConfigParser、pydantic、dynaconf、dotenv 和 configobj。其中仅 ConfigParser 为 Python 标准库内置模块。以下对各类库功能、优缺点进行对比，进而输出最终选型。
1. 功能对比
| 功能/库 | dynaconf | pydantic | dotenv | configobj | ConfigParser |
|---|---|---|---|---|---|
| 不同环境加载不同配置，且多个环境可加载通用配置 | 支持 | 部分支持 | 部分支持 | 部分支持 | 部分支持 |
| 支持复杂数据结构，如列表、字典、对象等 | 支持 | 支持 | 不支持 | 支持 | 不支持 |
| 支持字段数据类型转换 | 支持 | 支持 | 不支持 | 部分支持 | 部分支持 |
| 支持变量引用 | 支持 | 不支持 | 支持 | 支持 | 部分支持 |
| 运行时动态修改配置配置 | 支持 | 支持 | 支持 | 支持 | 支持 |
| 支持主流配置文件格式，如 yml、json、toml 等 | 支持 | 支持 | 不支持 | 不支持 | 不支持 |
部分支持 指需要额外扩展或二次开发。
2. 优缺点总结
| 库 | 优点 | 缺点 |
|---|---|---|
| dynaconf | 支持多种配置文件格式（YAML、JSON、TOML 等）；支持复杂数据结构；支持环境切换和通用配置；功能强大，灵活性高。 | 需要额外安装；学习曲线相对较陡。 |
| pydantic | 强大的数据验证和类型转换功能；支持复杂数据结构；与 FastAPI 等框架集成良好。 | 需要额外安装；不直接支持多种配置文件格式，但可以结合其他库使用。 |
| dotenv | 简单易用，适合加载环境变量；与其他库兼容性好。 | 功能有限，仅支持 .env 文件；不支持复杂数据结构和多种配置文件格式。 |
| configobj | 支持嵌套结构和基本的数据类型转换；易于使用，适合处理 .ini 格式的配置文件。 |
不支持多种配置文件格式（仅支持 .ini）；部分支持高级配置管理功能，如环境切换和通用配置。 |
| ConfigParser | 内置于 Python 标准库，无需额外安装；简单易用，适合处理基本的 .ini 配置文件。 |
不支持复杂数据结构；不支持多种配置文件格式；功能较为有限，不支持高级配置管理功能。 |
希望这个调整后的表格能够更好地满足你的需求。
三、最终选择
经上述功能对比及优缺点总结，dotenv 和 ConfigParser 因不支持复杂数据结构被率先排除；configobj 既不支持多种配置文件格式，又仅部分支持通用配置和数据转换，也不合适；剩余两方案中，pydantic 极少用于配置管理，不支持变量引用，仅部分支持加载通用配置，实际使用时配置加载与解释需二次开发，也不完全适合当配置管理工具。而 dynaconf 功能全面，又是专业配置管理库，为最优选择。