functools.lru_cache

functools.lru_cache 是 Python 标准库 functools 中的一个装饰器，用于缓存函数的结果，以提高性能，特别是对于那些调用频繁且具有相同输入参数的函数。

什么是 LRU Cache？

LRU 是 Least Recently Used（最少使用）的缩写。LRU 缓存会保存函数的返回结果，最多缓存指定数量的最近使用过的结果。当缓存达到最大限制时，最久未使用的结果会被丢弃，以腾出空间存储新的计算结果。

使用 lru_cache

1. 基本用法

from functools import lru_cache

@lru_cache(maxsize=128)
def expensive_function(x):
    print(f"Calculating {x}...")
    return x * x

在这个例子中，expensive_function 是一个假设的计算开销较大的函数。通过使用 @lru_cache(maxsize=128) 装饰器，Python 会缓存最多 128 次的函数调用结果。当相同的输入参数再次传递给该函数时，Python 会直接返回缓存中的结果，而不是重新计算。

2. 缓存工作原理

• 第一次调用 expensive_function(4) 时，函数会计算并返回 16，并将结果缓存。
• 第二次调用 expensive_function(4) 时，Python 会直接返回缓存中的结果，而不再执行计算。
• 如果你调用了 expensive_function(5)，它会被计算并缓存，依此类推。

3. maxsize 参数

• maxsize 参数决定了缓存的最大大小。如果缓存已满，最久未使用的结果将会被丢弃。
• 如果设置为 None，缓存将没有大小限制，直到内存耗尽。
• 默认情况下，maxsize=128。

4. 示例：性能优化

from functools import lru_cache

@lru_cache(maxsize=3)
def fib(n):
    if n <= 1:
        return n
    return fib(n - 1) + fib(n - 2)

# 计算 Fibonacci 数列
print(fib(10))  # 会缓存一些计算结果

对于 Fibonacci 数列，计算时会重复很多相同的调用。例如，fib(5) 会被计算多次，通过 lru_cache 可以缓存中间计算结果，大大减少计算的时间。

5. 检查缓存状态

你可以查看缓存的状态，使用 cache_info() 方法查看缓存的统计信息（缓存命中、丢弃等）。

print(fib.cache_info())

输出将包括：

• hits：缓存命中的次数。
• misses：缓存未命中的次数。
• maxsize：缓存的最大大小。
• currsize：当前缓存的大小。

6. 清空缓存

如果你想清空缓存，可以使用 cache_clear() 方法。

fib.cache_clear()  # 清空缓存

总结

functools.lru_cache 是一个用于提高函数性能的工具，特别适合那些计算开销大、输入参数重复的函数。通过缓存最近使用的函数结果，避免重复计算，从而加快程序的执行速度。