关于Python装饰器——@lru_cache(None)的使用

最新推荐文章于 2025-03-21 19:28:14 发布

Hi，你好啊

最新推荐文章于 2025-03-21 19:28:14 发布

阅读量523

点赞数 1

分类专栏： Python 文章标签： python

本文链接：https://blog.csdn.net/panmingqian/article/details/139324592

版权

Python 专栏收录该内容

2 篇文章

订阅专栏

在Python中，@lru_cache(maxsize, typed=False)是一个装饰器，用于实现一个简单的最近最少使用（Least Recently Used, LRU）缓存策略。当你希望缓存一个函数的计算结果，以便在后续调用时能够更快地返回结果时，这个装饰器就非常有用了。

@lru_cache(None) 的具体用法和含义如下：

maxsize=None：这意味着缓存将无限制地增长。对于大多数应用来说，这通常不是一个好主意，因为它可能导致内存使用过多。但在某些情况下，如果你确定缓存的内容不会太多，或者你希望缓存所有结果，那么可以使用 None。
typed=False：这个参数决定函数参数的类型是否应该被考虑在内。当 typed=True 时，函数参数的类型也会被考虑在内，这意味着 (1, 2) 和 (1.0, 2.0) 会被视为不同的调用，即使它们具有相同的值。默认情况下，typed=False，所以只有参数的值会被考虑。

例如，假设你有一个计算斐波那契数列的函数：

from functools import lru_cache  
  
@lru_cache(None)  
def fibonacci(n):  
    if n < 2:  
        return n  
    return fibonacci(n-1) + fibonacci(n-2)

使用 @lru_cache(None) 后，当你第一次计算 fibonacci(10) 时，所有从 fibonacci(0) 到 fibonacci(9) 的中间结果都会被缓存起来。如果你再次调用 fibonacci(10)，这些中间结果就会被直接从缓存中取出，而不需要重新计算，从而大大提高了效率。

但是请注意，对于非常大的输入值或频繁变化的输入值，无限制的缓存可能会导致内存问题。在这种情况下，你可能需要设置一个合适的 maxsize 值来限制缓存的大小。