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(guò)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(méi)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
• 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(guò)空間換取時(shí)間的方式來(lái)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(guò)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)