Python 的lru_cache装饰器使用简介
更新时间：2021年03月15日 10:37:14 作者：deniro
这篇文章主要介绍了Python 的lru_cache 装饰器使用简介，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下
Python 的 lru_cache 装饰器是一个为自定义函数提供缓存功能的装饰器。其内部会在下次以相同参数调用该自定义函数时直接返回计算好的结果。通过缓存计算结果可以很好地提升性能。
1 从示例说起
假设我们有一个计算斐波那契数列的求和函数，其内部采用递归方式实现。
from xxx.clock_decorator import clock
@clock
def fibonacci(n):
if n<2:
return n
return fibonacci(n-2)+fibonacci(n-1)
if __name__=='__main__':
logging.info('fibonacci(6) -> %s',fibonacci(6))
运行结果：
其中的 clock_decorator 实现是一个可以输出某个函数运行时长的装饰器1。
从输出结果中可以看出，存在着严重的重复计算情况，比如 fibonacci(1) 就被计算了 5 次之多。这还只是计算 6 次的 fibonacci 函数。
2 优化
上面的示例代码加入 lru_cache 装饰器：
运行结果：
这次不存在重复计算现象，因此性能得到极大的提升。
3 比较
利用 cProfile 进行性能比较分析。它是一种确定性分析器，只测量 CPU 时间，并不包含内存消耗和其他与内存相关联的信息2。
假设我们需要计算 fibonacci(33) 求和值。
（1）不使用 lru_cache 装饰器
这个递归函数内部总共调用了 1000 多万次的 fibonacci() 函数！
（2）使用了 lru_cache 装饰器
使用了 lru_cache 装饰器之后，这个递归函数只需调用 100 多次fibonacci() 函数！性能有了质的提升。
4 lru_cache 装饰器
lru_cache 装饰器支持两个入参，它的完整定义格式为3： @functools.lru_cache(maxsize=128, typed=False)
| 参数 | 默认值 | 说明 |
| maxsize | 128 | 表示缓存大小。如果设置为 None，则不限大小；如果超过缓存大小，则使用 LRU 策略清理缓存。缓存的大小限制可确保缓存不会无限制增长。LRU（Least Recently Used），即删除最近最少使用的缓存数据。 |
| typed | False | 如果为true，不同类型的参数将会被分别缓存，比如区分浮点数与整型。 |
注意：由于使用了字典来存储缓存，所以所装饰的函数参数必须是可哈希的。
利用 cache_info() 函数，我们还可以看到命中次数 hits，未命中次数 misses ，最大缓存数量 maxsize 和 当前缓存大小 currsize。使用方式是直接调用被装饰函数的 cache_info()，形如：fibonacci.cache_info())。
只要某个函数递归调用并存在重复计算的情况，这时就要记着使用 lru_cache 这个性能加速器。
以上就是Python 的lru_cache 装饰器使用简介的详细内容，更多关于Python 的lru_cache 装饰器的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了pip和pygal的安装实例教程，具有一定借鉴价值，需要的朋友可以参考下。2017-12-12
这篇文章主要介绍了Python用dilb提取照片上人脸的示例，帮助大家更好的利用python处理人像，感兴趣的朋友可以了解下2020-10-10
今天小编就为大家分享一篇python写一个随机点名软件的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-11-11
这篇文章主要介绍了PyQt5按下按键选择文件夹并显示的实现方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
这篇文章主要介绍了Python中subprocess模块用法,实例分析了subprocess模块的相关使用技巧,需要的朋友可以参考下2015-05-05
这篇文章主要介绍了基于Opencv的图像卡通化,主要工具是高斯滤波器、细节增强滤波器、双边滤波、拉普拉斯滤波器，通过实例代码给大家介绍的非常详细，需要的朋友可以参考下2022-01-01
这篇文章主要介绍了django框架使用模板方法,结合两个具体实例形式详细分析了Django框架模板的相关使用技巧与操作注意事项,需要的朋友可以参考下2019-12-12
本篇文章主要给大家详细介绍了Python3利用Dlib19.7进行人脸面部识别的相关知识，一起学习参考下吧。2018-01-01
这篇文章主要介绍了基于Python和openCV实现图像的全景拼接,本文分步骤通过实例代码给大家介绍的非常详细，需要的朋友可以参考下2021-10-10
这篇文章主要为大家介绍了Python softmax实现及数值稳定性详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-07-07
最新评论