【大模型---streamlit中的装饰器st.cache_resource()】

@st.cache_resource 是 Streamlit 提供的一个装饰器，用于缓存返回全局资源（如数据库连接、机器学习模型等）的函数。这些缓存的对象可以在所有用户、会话和重新运行中全局可用。这个装饰器特别适合于那些本质上不可序列化的类型，例如数据库连接、文件句柄或线程等，但也可以用于可序列化的对象。缓存的对象必须是线程安全的，因为它们可能会被多个线程同时访问。如果线程安全成为问题，可以考虑使用 st.session_state 来存储每个会话的资源。

@st.cache_resource 装饰器的使用示例如下：

import streamlit as st
import pandas as pd
from sqlalchemy import create_engine

@st.cache_resource(ttl=10800) # 3小时过期
def pd_mysql():
    host='localhost'
    port=3306
    username='root'
    password='123456'
    db='mydb'

    db_url = f'mysql+mysqlconnector://{username}:{password}@{host}:{port}/{db}'
    engine = create_engine(db_url)
    return engine

engine = pd_mysql() # 创建引擎

在这个例子中，@st.cache_resource 用于缓存数据库连接引擎，避免了每次运行时都重新创建连接，从而提高了应用的性能。ttl 参数指定了缓存的过期时间，例如 ttl=10800 表示缓存的对象在3小时后过期1。

此外，@st.cache_resource 还提供了一些其他参数，如 max_entries 用于限制缓存中的最大条目数，show_spinner 用于控制是否显示加载指示器，validate 用于提供一个验证函数来检查缓存数据的有效性，以及 hash_funcs 用于自定义哈希函数。

总的来说，@st.cache_resource 是一个强大的工具，用于优化 Streamlit 应用的性能，特别是在处理全局资源时。