基本介紹

lru_cache是Python3.2版本在functools標(biāo)準(zhǔn)模塊中引入的裝飾器，用于實現(xiàn)最近最少使用（Least Recently Used, LRU）緩存策略，適用于所有相同輸入對應(yīng)相同輸出的確定性函數(shù)，即緩存函數(shù)的參數(shù)和返回值的映射，只要下次調(diào)用參數(shù)相同，就直接返回緩存的結(jié)果，不再執(zhí)行函數(shù)體。

工作原理：

• 緩存命中：當(dāng)使用相同的參數(shù)調(diào)用被裝飾的函數(shù)時，函數(shù)不會真正執(zhí)行，而是直接從緩存中返回結(jié)果。
• 緩存未命中：當(dāng)參數(shù)不在緩存中時，函數(shù)正常執(zhí)行，并將結(jié)果存入緩存。
• 緩存淘汰：當(dāng)緩存（不同參數(shù)個數(shù)）達(dá)到設(shè)定的最大容量（由 maxsize參數(shù)指定）時，它會自動淘汰最久未被使用的結(jié)果，以控制內(nèi)存占用。

可通過參數(shù)maxsize=n指定緩存的最大容量，參數(shù)值為None表示無限制緩存，會緩存所有不同參數(shù)組合的函數(shù)返回值，性能最優(yōu)但存在內(nèi)存溢出的風(fēng)險，根據(jù)實際情況設(shè)置。

在遞歸中的應(yīng)用

lru_cache雖然適用于所有確定性的函數(shù)，但在遞歸場景中使用特別合適，因為遞歸場景中往往需要重復(fù)計算相同的子問題。以下面斐波那契數(shù)列為例：

def fib(num):
    if num == 0 or num == 1:
        return num
    return fib(num - 1) + fib(num - 2)

fib(5)對應(yīng)的遞歸樹：

               fib(5)
               /      \
          fib(4)      fib(3)
         /     \       /    \
     fib(3)  fib(2)  fib(2) fib(1)
    /    \    /   \   /   \
 fib(2) f(1) f(1)f(0) f(1)f(0)
 /   \
f(1) f(0)

如果不使用緩存，fib(3)和fib(2)都被重復(fù)計算了多次，如果把這棵遞歸樹看成滿二叉樹，fib(n)一共有n層，每層的節(jié)點數(shù)量分別為 2 0 2^0 20, 2 1 2^1 21, 2 2 2^2 22, …, 2 n 2^n 2n, 那么總的時間復(fù)雜度 O ( 2 n ) O(2^n) O(2n)。

如果使用了lru，函數(shù)會在第一次計算矩形標(biāo)記的fib(0)，fib(1)，…, fib(5)時將每個參數(shù)對應(yīng)的函數(shù)值緩存，也就是對于fib(5)的整個計算流程中，標(biāo)記的6個記錄在第一次計算時未命中緩存，會執(zhí)行函數(shù)并將這6個記錄的結(jié)果緩存，在后續(xù)計算中直接讀取圓形標(biāo)記的fib(1)，fib(2)，fib(3)的緩存，直接讀取3次緩存就可以直接結(jié)束整個函數(shù)。

對于上面的分析可使用被裝飾函數(shù)的cache_info方法輸出詳細(xì)的緩存信息查看：

from functools import lru_cache
@lru_cache(maxsize=None)
def fib(num):
    if num == 0 or num == 1:
        return num
    return fib(num - 1) + fib(num - 2)
print(fib(5))
print(fib.cache_info())

被lru_cache裝飾的函數(shù)也會自動同時綁定上cache_info方法，用于顯示整個函數(shù)計算過程中的緩存命中情況，返回4個字段，含義分別是：
1）hits：緩存命中次數(shù)
2）misses：緩存未命中次數(shù)
3）maxsize：緩存最大容量
4）currsize：當(dāng)前已緩存數(shù)量

緩存清空

lru_cache會為所有同名的函數(shù)全局維護(hù)一個獨立的緩存結(jié)構(gòu)，不同函數(shù)之間的緩存空間不沖突。除非手動cache_clear，否則緩存不會自動清除。

到此這篇關(guān)于Python functools.lru_cache自動緩存應(yīng)用小結(jié)的文章就介紹到這了,更多相關(guān)Python functools.lru_cache緩存內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！