【langchain学习】使用缓存优化langchain中的LLM调用性能：内存、SQLite与Redis的对比

在处理语言模型（LLM）调用时，特别是在需要多次执行相同请求的情况下，缓存机制能够显著提升系统的性能。本文通过对比内存缓存（InMemoryCache）、SQLite缓存（SQLiteCache）和Redis缓存（RedisCache），探讨了如何在Langchain中使用这些缓存机制来优化LLM调用的性能。

代码实现与性能测试

我们在Python中实现了三种缓存机制，并测试了它们的性能。以下是完整的代码实现及其对应的执行结果。

内存缓存（InMemoryCache）

内存缓存是最简单的缓存机制，它将数据存储在内存中，具有极高的访问速度，但缺点是数据不会持久化，程序重启后缓存数据会丢失。

from langchain.globals import set_llm_cache
from config import llm
from langchain.cache import InMemoryCache
import time

# 开始计时
start_time = time.time()

# 设置内存缓存
set_llm_cache(InMemoryCache())

# 第一次调用，由于缓存中没有内容，因此可能会较慢
llm.invoke("介绍一下2023年环法冠军温格高")

# 结束计时
end_time = time.time()

# 打印执行时间
print(f"Execution first time: {
     end_time - start_time