Python：functools.lru_cache函数缓存示例

简介：functools.lru_cache 是 Python 标准库中的一个非常实用的工具，它用于缓存函数的返回值，以提高程序性能。本文将介绍如何安装和使用 lru_cache，并通过函数式和面向对象的方式给出简单的示例。

历史攻略：

centos7：释放缓存

ubuntu：释放缓存

数据结构与算法Python版：计数排序

数据结构与算法Python版：基数排序

Docker安装Memcached+Python调用

使用 lru_cache的好处：

1、提升性能：避免重复计算相同的结果。

2、简化代码：自动管理缓存，减少手动实现缓存逻辑的需要。

3、提高响应速度：提升函数调用的速度，特别是在涉及外部资源时。

4、节省资源：减少计算资源的使用，节省 CPU 和内存。

5、优化内存管理：通过 maxsize 参数控制缓存大小，优化内存使用。

案例源码：

# -*- coding: utf-8 -*-
# time: 2024/8/8 20:04
# file: lru_cache_demo.py
# author: tom
# 微信公众号: 玩转测试开发
from functools import lru_cache


# by function.
@lru_cache(maxsize=None)
def square(n):
    print(f"Calculating square of {n}")
    return n * n


@lru_cache(maxsize=10)
def add(x, y):
    print(f"Adding {x} and {y}")
    return x + y


@lru_cache(maxsize=5)
def repeat_string(s, times):
    print(f"Repeating '{s}' {times} times")
    return s * times


# by object.
class MathOperations:

    @lru_cache(maxsize=None)
    def square(self, n):
        print(f"Calculating square of {n}")
        return n * n


if __name__ == '__main__':
    # by function.
    print(square(4))  # 计算并缓存
    print(square(4))  # 从缓存中获取结果
    print(square(5))  # 计算并缓存

    print(add(2, 3))  # 计算并缓存
    print(add(2, 3))  # 从缓存中获取结果
    print(add(3, 4))  # 计算并缓存

    print(repeat_string("hello", 3))  # 计算并缓存
    print(repeat_string("hello", 3))  # 从缓存中获取结果
    print(repeat_string("world", 2))  # 计算并缓存

    # by object.
    mo = MathOperations()
    print(mo.square(3))
    print(mo.square(3))
    print(mo.square(4))
    print(mo.square(4))

运行结果：

python.exe lru_cache_demo.py 
Calculating square of 4
16
16
Calculating square of 5
25
Adding 2 and 3
5
5
Adding 3 and 4
7
Repeating 'hello' 3 times
hellohellohello
hellohellohello
Repeating 'world' 2 times
worldworld
Calculating square of 3
9
9
Calculating square of 4
16
16

注意事项：

1、合理设置缓存大小：lru_cache 的 maxsize 参数控制缓存的大小。如果设为 None，缓存大小将无限制。请根据实际需求设置合适的缓存大小，以避免内存占用过高。

2、注意线程安全：lru_cache 在多线程环境下是线程安全的，但需要确保被缓存的函数本身是线程安全的。

3、传入不可变对象：lru_cache 只能缓存可哈希的对象（如整数、字符串、元组）。传入不可哈希的对象（如列表、字典）将会导致错误。

4、必要时手动进行缓存无效化：缓存条目不会自动失效。如果函数的行为取决于外部状态或依赖的输入数据变化，可能需要手动管理缓存失效或使用其他缓存策略。