插件機制是代碼/功能反向依賴注入到主體程序的一種方法，編譯型語言通過動態加載動態庫實現插件。對於Python這樣的腳本語言，實現插件機制更簡單。
機制
Python的__import__方法可以動態地加載Python文件，即以某個py腳本的文件名作為__import__的參數，在程序運行的時候加載py腳本程序模塊。對應的import關鍵字則是靜態加載依賴的py模塊。
描述
__import__() 函數用於動態加載類和函數 。
如果一個模塊經常變化就可以使用 __import__() 來動態載入。
語法
__import__ 語法：
__import__(name[, globals[, locals[, fromlist[, level]]]])
參數說明：
name -- 模塊名
需要動態加載的py腳本若存放在任意的目錄下，則需要首先需要增加腳本查找路徑：
sys.path.append(modulePath)
應用示例
# 增加查找路徑 sys.path.append(modulePath) # 加載腳本 module = __import__(moduleName) # 保存腳本對象，否則會被析構 self.modules[moduleName] = module # 調用插件中的方法初始化 module.InitModule(self)
總結
使用插件機制可以實現高內聚低耦合的程序。
在實踐中，我們處理的任務有若干的可執行程序配合完成，可執行程序可以是C++，.Net , Java，甚至其他腳本程序，這時候我們使用Python作為粘合劑，定義了主體的任務流程框架，使用插件機制動態的注入需要執行的任務。
另外當在不同的情況下，需要使用不同的exe配合的時候，我們只需要用json定義需要的exe組合，主程序不需要做任何的更改就可以滿足變換的業務需求。
補充知識：Kusto使用python plugin
整個流程為kusto的數據進入python腳本時自動轉化為pandas DataFrame，
python 腳本的輸出自動轉化為kusto table，其中列名和變量都保持不變。
Python 腳本緊接著Kusto的輸出
注意以下幾點
1.typeof為python腳本輸出的參數
2.typeof 中的數據類型跟python腳本輸出pandas DataFrame列是完全一致的，包括變量名，變量類型，前後不一致的話會報錯
3.typeof 中*表示複用輸入的數據類型， 比如（ *，age:int） 表示輸入在輸出的基礎上多個了age屬性
4. python腳本的輸入是轉化為DataFrame 的kusto table, 其在python腳本里的變量名為df（會自動匹配上）， 同時我們要讓輸出的DataFrame 命名為result, 程序會自動輸出
5. python 中可以接受外界參數，通過 kargs["topK"]這樣的形式,kargs是系統默認的傳遞參數的變量， 同時kusto在python腳本的最後通過pack("topK", 10)這樣的形式往python腳本中傳遞參數
6 .python腳本可以直接寫在kusto代碼中，也可以以鏈接的形式訪問
7. kusto 中的python運行企業版的anaconda上，個人沒法輕易安裝自己想要的包，所以如果要使用某些包，最好是將其功能用最基本的包寫好。kusto 運行鏡像的沙盒支持 numpy ,pd, 以及tensorflow ,keras ,torch hdbscan, xgboost 這些比較大眾的包
[f2h0b53ohn ] Python插件機制實現詳解已經有307次圍觀
