在 Python 標(biāo)準(zhǔn)庫(kù)的 functools 模塊中，有個(gè) lru_cache 裝飾器，用于為一個(gè)函數(shù)添加緩存系統(tǒng)：
- 存儲(chǔ)函數(shù)的輸入和對(duì)應(yīng)的輸出
- 當(dāng)函數(shù)被調(diào)用，并且給出了已經(jīng)緩存過的輸入，那么函數(shù)不會(huì)再運(yùn)行，而是直接從緩存中獲取對(duì)應(yīng)的輸出
- 有兩個(gè)可選參數(shù)
-
maxsize設(shè)置緩存的大小，設(shè)置后，緩存的大小就會(huì)被限制在這個(gè)值之內(nèi)（緩存默認(rèn)沒有上限）- 當(dāng)緩存達(dá)到上限時(shí)，最近最少使用的緩存會(huì)被移除
-
typed如果設(shè)置為True后，會(huì)根據(jù)輸入?yún)?shù)的類型分別進(jìn)行緩存（默認(rèn)是False即不分類型）- 例如
1和1.0盡管在 Python 中是相等的，但是會(huì)被當(dāng)成兩個(gè)不同的輸入進(jìn)行緩存
- 例如
-
- 有兩個(gè)方法用于清理和查看緩存
-
cache_clear()清空所有的緩存 -
cache_info()返回一個(gè)包含緩存狀態(tài)的命名元組，包含以下幾個(gè)字段-
hits緩存命中的次數(shù) -
misses緩存未命中的次數(shù) -
maxsize緩存的最大容量 -
currsize當(dāng)前緩存的使用量
-
-
本質(zhì)上，這個(gè) lru_cache 裝飾器是通過空間換取時(shí)間的方式來提高程序的性能，所以 lru_cache 裝飾器并不適合所有的場(chǎng)景：
- 合適的場(chǎng)景
- 具有重復(fù)計(jì)算的遞歸函數(shù)
- 計(jì)算成本較高的函數(shù)
- 計(jì)算密集型或者需要大量重復(fù)計(jì)算的函數(shù)
- 不合適的場(chǎng)景
- 函數(shù)運(yùn)行在內(nèi)存有限的環(huán)境中
- 函數(shù)有大量的不同輸入
- 函數(shù)有副作用，或者依賴于外部狀態(tài)
通過下面的例子可以很好的理解 @lru_cache() 的用法：
from functools import lru_cache
@lru_cache()
def abc(name: str):
print(f'緩存 name = {name}')
return name
abc('1')
# 緩存 name = 1
# '1'
abc('2')
# 緩存 name = 2
# '2'
abc('3')
# 緩存 name = 3
# '3'
abc('1')
abc('2')
abc('3')
# '1'
# '2'
# '3'
abc.cache_info()
# CacheInfo(hits=3, misses=3, maxsize=128, currsize=3)
abc('3')
# '3'
abc.cache_info()
# CacheInfo(hits=4, misses=3, maxsize=128, currsize=3)
abc.cache_clear()
abc.cache_info()
# CacheInfo(hits=0, misses=0, maxsize=128, currsize=0)
