Python中的缓存装饰器@cache使用详解

最新推荐文章于 2024-04-06 12:10:25 发布
最新推荐文章于 2024-04-06 12:10:25 发布
阅读量740 收藏
点赞数
文章标签： 缓存 mybatis Python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/PixelLancer/article/details/133873814
版权
Python 专栏收录该内容
82 篇文章 27 订阅 ¥59.90 ¥99.00
订阅专栏
Python中的@cache装饰器能优化程序性能，避免重复计算。它检查函数参数是否存在缓存，若存在则直接返回结果，否则执行计算并缓存。适用于纯函数，基于哈希表实现，可能导致内存消耗增加。了解如何有效利用@cache提升执行效率。
摘要由CSDN通过智能技术生成

缓存是一种常见的优化技术，可以提高程序的执行效率。在Python中，我们可以使用@cache装饰器来实现函数的缓存。@cache装饰器是Python 3.9版本中引入的functools模块中的一个功能。

@cache装饰器的作用是将函数的计算结果缓存起来，以避免重复的计算。当函数被调用时，@cache装饰器会检查函数的参数是否已经在缓存中存在，如果存在，则直接返回缓存中的结果，而不再执行函数的计算过程；如果不存在，则执行函数的计算过程，并将结果缓存起来，以备后续使用。

下面我们来看一个简单的例子，演示如何使用@cache装饰器：

from functools import cache

@cache
def fibonacci(n):
    if n <= 1:
了解本专栏 订阅专栏 解锁全文
PixelLancer
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
订阅专栏
python装饰器原理 | 常用装饰器使用(@cache, @lru_cache)
weixin_43646592的博客
02-22 4551
python装饰器原理 | 常用装饰器使用(@cache, @lru_cache)
Python中的@lru_cache装饰器
北辰
08-25 671
当缓存队列已满时，新的元素加入队列时，需要从现有队列中移除一个元素，LRU 策略就是将最近最少被访问的元素移除，从而腾出空间给新的元素。如果发生用户的删除或者新增时，我们再请求用户接口时仍然返回的是缓存中的数据，这样返回的信息就和我们数据库中的数据就会存在差异，所以当发生用户新增或者删除时，我们需要清除原先的缓存，然后再请求用户接口时可以重新加载缓存。特别注意：@lru_cache修饰器的使用位置要注意，不能将其放到@app.get修饰器的上面否则@lru_cache修饰器的缓存功能会失效。
Python缓存装饰器@cache应用
最新发布
ycj1406429350的博客
04-06 955
缓存装饰器是一种常用的技巧，用于提高函数或方法的执行效率。通过缓存函数的输入参数和返回结果，当函数被再次调用时，如果输入参数相同，则直接从缓存中返回结果，避免了重复的计算或IO操作。在Python中，可以巧妙地运用@cache装饰器来实现函数的缓存机制。这个功能是在Python 3.9版本中新增至functools模块的，可将缓存逻辑透明地集成到函数定义中，从而避免重复计算相同的函数结果，显著提高代码的执行效率。
Python中的@cache有什么妙用？
weixin_43790276的博客
04-12 3193
Python高阶技巧。
python记忆化搜索——缓存@cache与@lru_cache
我的博客
09-05 7422
python缓存机制
python cache缓存模块
热门推荐
moom_ommo的博客
06-22 1万+
这种方法下要缓存的函数只能写作类函数，因为需要继承cacheable类。不知是否有什么改进方法？ from datetime import datetime def cached(time): def make_cacheable(func): func.should_be_cached = True func.time_out = time ...
Python缓存技术实现过程详解
09-18
以下将详细介绍Python中使用lru_cache实现缓存技术的过程。 一、什么是LRU缓存 LRU缓存是一种常见的缓存策略，其基本思想是在有限的存储空间中，优先淘汰掉最长时间未被使用的数据，从而为新数据腾出空间。这种策略...
使用Flask-Cache缓存实现给Flask提速的方法详解
09-19
在视图函数中，可以使用`@cache.cached`装饰器来缓存结果。例如： ```python from .. import db, cache @main.route('/', methods=['GET', 'POST']) @cache.cached(timeout=300, key_prefix='index') def index(): ...
linux下python中文乱码解决方案详解
09-14
清除matplotlib的字体缓存，可以通过进入`.cache/matplotlib`目录并删除所有文件来完成，例如：`rm -rf *`。 4. **重启Python应用**： 重新启动Python应用，使得新的字体配置生效。可以使用`nohup`命令在后台运行...
Python装饰器应用--实现一个cache装饰器
python_lqx的博客
04-27 1128
数据类型的选择cache应该选用什么数据结构?key的存储key要求key算法设计调用的方式目标代码实现过期功能清除的时机装饰器的用途装饰器应用场景 简化设计，函数的形参定义不包括可变位置参数，可变关键字参数和keyword-only参数 可以不考虑缓存大小，也不用考虑存满了之后的换出问题 进阶如下 def add(x=4, y=5): time.sleep(3) return x + ...
Python-rediscache一个Redis的缓存装饰器
08-10
redis_cache：一个Redis的缓存装饰器
Mybatis的这两个缓存装饰器不要忽略
Candyz7的博客
08-16 110
这篇文章主要介绍了Mybatis的缓存的其他装饰者SoftCache的WeakCache，SoftCache是软引用缓存装饰器，通过应用引用队列记录被垃圾回收器回收的key，在putObject()方法调用的时候会清理掉被垃圾回收器回收key对应的缓存信息，在getObject()方法中通过LinkedList保存256个key对应的value值，防止被回收。...
python 缓存装饰器
weixin_44732765的博客
05-23 767
参考https://www.cnblogs.com/faithfu/p/10365868.html cached_property缓存装饰器 class cached_property(object): """ Decorator that converts a method with a single self argument into a property cache...
【力扣100】70.爬楼梯 || python中的@cache || 装饰器
redfishzhang64的博客
03-07 594
5. 因为每次递归都要从n算到n为1和2的时候，所以用一个数组来记录算过的值6.，数组中有就返回对应值，没有就递归进行计算7. 或者python加一个@cache解决问题。
小技巧——Python @cache装饰器
Ari_made_it的博客
03-28 1179
cache和@lru_cache(maxsize=None)可以用来寄存函数对已处理参数的结果，以便遇到相同参数可以直接给出答案。前者不限制存储的数量，后者通过maxsize限制存储的最大数量。可以用来做某些递归、动态规划。比如斐波那契数列的各项值从小到大输出。其实类似用数组保存前项的结果，都需要额外的空间。不过用装饰器可以省略额外空间代码，减少了出错的风险。
Python中的@cache巧妙用法
ai520wangzha的博客
04-15 2285
在cache的源码中，对cache的描述是：Simple lightweight unbounded cache. Sometimes called “memoize”. 翻译成中文：简单的轻量级无限制缓存。有时也被称为“记忆化”。123def):returnNonecache() 的代码只有一行，调用了 lru_cache() 函数，传入一个参数 maxsize=None。
python 装饰器做缓存
这里是标题
05-30 1371
使用装python饰器做缓存 装饰器在之前的文章中有讲过，这里主要是说了装饰器的用法和应该怎么理解。这片文章给出一片补充：主要说在缓存方面的应用。 在此之前呢，需要补充一些知识点：就是 python 查找变量的顺序是什么？ 答案就是LEGB原则：也就是`Local -> Enclosed -> Global -> Built-in` 也就是先在局部作用域内(例如函数内)进行查找...
Python缓存装饰器类适用于redis，memcached和dict对象等
矢的飞跃的专栏
10-17 1470
简介在web开发中，缓存是经常用来提高服务器的响应速度以及减少数据库压力的用力手段。在处理缓存时，有三个重要的步骤生成缓存键，存入缓存和获取缓存数据。对于不同的缓存软件(Redis,Mencached等)操作基本相同，只是在具体的存储获取环节存在差异，所以将常用的缓存处理过程封装成一个装饰器类(CacheDecorator下文给出实现代码)。通过装饰器类可以派生出基于不同缓存软件的具体缓存装饰器类如
python缓存装饰器，第二种方式(二)
weixin_34128501的博客
06-30 191
来个简单的装饰器   def cached_method_result(fun): """方法的结果缓存装饰器""" @wraps(fun) def inner(self, *args, **kwargs): if not hasattr(fun, 'result'): result = fun(self, *a...
python装饰器详解
06-07
装饰器是 Python 中非常有用的语法，它允许我们在不改变函数源代码的情况下，对函数的功能进行扩展。装饰器本质上是一个函数，它可以接受一个函数作为参数，并返回一个新的函数。 装饰器的基本语法如下： ```python @decorator_function def some_function(): # do something ``` 其中，`decorator_function` 是装饰器函数，`some_function` 是需要被装饰的函数。 装饰器函数可以用来扩展被装饰函数的功能，比如增加日志、计时等。下面是一个简单的装饰器函数： ```python def my_decorator(func): def wrapper(): print("Before the function is called.") func() print("After the function is called.") return wrapper ``` 这个装饰器函数接受一个函数作为参数，并返回一个新的函数。新的函数 `wrapper` 在被调用时会先打印一句话，然后调用原函数 `func`，最后再打印一句话。 我们可以使用这个装饰器函数来装饰一个函数，比如： ```python @my_decorator def say_hello(): print("Hello!") ``` 当我们调用 `say_hello` 函数时，会依次打印出 "Before the function is called."、"Hello!" 和 "After the function is called."。 除了类似于上面的装饰器函数，还有一种更加常用的装饰器语法，它使用了 Python 的语法糖。下面是一个例子： ```python def my_decorator(func): @functools.wraps(func) def wrapper(*args, **kwargs): print("Before the function is called.") result = func(*args, **kwargs) print("After the function is called.") return result return wrapper ``` 这个装饰器函数和上面的例子非常相似，唯一的区别是使用了 `@functools.wraps(func)` 语法糖。这个语法糖会自动将新函数的名称和文档字符串设置为原函数的名称和文档字符串，这样可以避免一些问题。 除了上面的例子，还有很多其他有用的装饰器，比如用来缓存函数结果的 `@lru_cache`，用来检查函数参数类型的 `@type_check`，用来限制函数调用频率的 `@rate_limit` 等。这些装饰器都可以帮助我们更加方便地编写 Python 代码。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值