一、前言

我們經(jīng)常談?wù)摰木彺嬉辉~，更多的類似于將硬盤中的數(shù)據(jù)存放到內(nèi)存中以至于提高讀取速度，比如常說的redis，就經(jīng)常用來做數(shù)據(jù)的緩存。
Python的緩存（lru_cache）是一種裝飾在被執(zhí)行的函數(shù)上，將其執(zhí)行的結(jié)果緩存起來，當(dāng)下次請求的時(shí)候，如果請求該函數(shù)的傳參未變則直接返回緩存起來的結(jié)果而不再執(zhí)行函數(shù)的一種緩存裝飾器。

那它和redis的區(qū)別在哪？有什么優(yōu)勢？怎么使用？ 下面為你講解

二、舉例說明

1.現(xiàn)在我們先不使用緩存來寫一個(gè)求兩數(shù)之和的函數(shù)，并調(diào)用執(zhí)行它兩次：

def test(a, b):
    print('開始計(jì)算a+b的值...')
    return a + b


print('1+2等于:', test(1, 2))
print('1+2等于:', test(1, 2))

執(zhí)行結(jié)果

開始計(jì)算a+b的值...
1+2等于: 3
開始計(jì)算a+b的值...
1+2等于: 3

可以看到test被執(zhí)行了兩次，現(xiàn)在我們加上緩存再進(jìn)行執(zhí)行：

from functools import lru_cache

@lru_cache
def test(a, b):
    print('開始計(jì)算a+b的值...')
    return a + b

print(test(1, 2))
print(test(1, 2))

執(zhí)行結(jié)果

開始計(jì)算a+b的值...
1+2等于: 3
1+2等于: 3

可以看到test函數(shù)只被執(zhí)行了一次，第二次的調(diào)用直接輸出了結(jié)果，使用了緩存起來的值。

2.當(dāng)我們使用遞歸求斐波拉契數(shù)列 （斐波那契數(shù)列指的是這樣一個(gè)數(shù)列：0,1,1,2,3,5,8，它從第3項(xiàng)開始，每一項(xiàng)都等于前兩項(xiàng)之和） 的時(shí)候，緩存對性能的提升就尤其明顯了：

不使用緩存求第40項(xiàng)的斐波拉契數(shù)列

import datetime

def fibonacci(num):
	# 不使用緩存時(shí)，會(huì)重復(fù)執(zhí)行函數(shù)
    return num if num < 2 else fibonacci(num - 1) + fibonacci(num - 2)

start = datetime.datetime.now()
print(fibonacci(40))
end = datetime.datetime.now()
print('執(zhí)行時(shí)間', end - start)

執(zhí)行時(shí)間

執(zhí)行時(shí)間 0:00:29.004424

使用緩存求第40項(xiàng)的斐波拉契數(shù)列：

import datetime

def fibonacci(num):
	# 不使用緩存時(shí)，會(huì)重復(fù)執(zhí)行函數(shù)
    return num if num < 2 else fibonacci(num - 1) + fibonacci(num - 2)

start = datetime.datetime.now()
print(fibonacci(40))
end = datetime.datetime.now()
print('執(zhí)行時(shí)間', end - start)

執(zhí)行時(shí)間

執(zhí)行時(shí)間 0:00:00

兩個(gè)差距是非常明顯的，因?yàn)椴皇褂镁彺鏁r(shí)，相當(dāng)于要重復(fù)執(zhí)行了很多的函數(shù)，而使用了lru_cache則把之前執(zhí)行的函數(shù)結(jié)果已經(jīng)緩存了起來，就不需要再次執(zhí)行了。

三、lru_cache 用法

1.參數(shù)詳解

查看lru_cache源碼會(huì)發(fā)現(xiàn)它可以傳遞兩個(gè)參數(shù)：maxsize、typed：

def lru_cache(maxsize=128, typed=False):
    """Least-recently-used cache decorator.

    If *maxsize* is set to None, the LRU features are disabled and the cache
    can grow without bound.
	...
	"""

1） maxsize

代表被lru_cache裝飾的方法最大可緩存的結(jié)果數(shù)量 （被裝飾方法傳參不同一樣，則結(jié)果不一樣；如果傳參一樣則為同一個(gè)結(jié)果）， 如果不指定傳參則默認(rèn)值為128，表示最多緩存128個(gè)返回結(jié)果，當(dāng)達(dá)到了128個(gè)時(shí)，有新的結(jié)果要保存時(shí)，則會(huì)刪除最舊的那個(gè)結(jié)果。如果maxsize傳入為None則表示可以緩存無限個(gè)結(jié)果；

2）typed

默認(rèn)為false，代表不區(qū)分?jǐn)?shù)據(jù)類型，如果設(shè)置為True，則會(huì)區(qū)分傳參類型進(jìn)行緩存，官方是這樣描述的:

如果typed為True，則將分別緩存不同類型的參數(shù),
例如，f（3.0）和f（3）將被視為具有明顯的結(jié)果。

但在python3.9.8版本下進(jìn)行測試，typed為false時(shí)，按照官方的測試方法測試得到的還是會(huì)被當(dāng)成不同的結(jié)果處理，這個(gè)時(shí)候typed為false還是為true都會(huì)區(qū)別緩存，這與官方文檔的描述存在差異：

from functools import lru_cache

@lru_cache
def test(a):
    print('函數(shù)被調(diào)用了...')
    return a

print(test(1.0))
print(test(1))

執(zhí)行結(jié)果

函數(shù)被調(diào)用了...
1.0
函數(shù)被調(diào)用了...

但如果是多參數(shù)的情況下，則會(huì)被當(dāng)成一個(gè)結(jié)果：

from functools import lru_cache

@lru_cache
def test(a, b):
    print('函數(shù)被調(diào)用了...')
    return a , b

print(test(1.0, 2.0))
print(test(1, 2))

執(zhí)行結(jié)果

函數(shù)被調(diào)用了...
(1.0, 2.0)
(1.0, 2.0)

這個(gè)時(shí)候設(shè)置typed為true時(shí)，則會(huì)區(qū)別緩存：

from functools import lru_cache

@lru_cache(typed=True)
def test(a, b):
    print('函數(shù)被調(diào)用了...')
    return a , b

print(test(1.0, 2.0))
print(test(1, 2))

執(zhí)行結(jié)果

函數(shù)被調(diào)用了...
(1.0, 2.0)
函數(shù)被調(diào)用了...
(1, 2)

當(dāng)傳參個(gè)數(shù)大于1時(shí)，才符合官方的說法，不清楚是不是官方舉例有誤

2. lru_cache不支持可變參數(shù)

當(dāng)傳遞的參數(shù)是dict、list等的可變參數(shù)時(shí)，lru_cache是不支持的，會(huì)報(bào)錯(cuò)：

from functools import lru_cache

@lru_cache
def test(a):
    print('函數(shù)被執(zhí)行了...')
    return a

print(test({'a':1}))

報(bào)錯(cuò)結(jié)果

TypeError: unhashable type: 'dict'

四、lru_cache 與redis的區(qū)別

五、總結(jié)

經(jīng)過上面的分析，lru_cache 功能相對于redis來說要簡單許多，但使用起來更加方便，適用于小型的單體應(yīng)用。如果涉及的緩存的數(shù)據(jù)種類比較多并且想更好的管理緩存、或者需要緩存數(shù)據(jù)有過期時(shí)間（類似登錄驗(yàn)證的token）等，使用redis是優(yōu)于lru_cache的。

到此這篇關(guān)于Python中緩存lru_cache的基本介紹和講解的文章就介紹到這了,更多相關(guān)Python中緩存lru_cache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！