Python的缓存装饰器全攻略：@lru_cache、@cache和@cached_property

2023-08-08 11:06:38

揭秘 Python 缓存装饰器：提升代码执行效率的利器

简介

在 Python 中，我们经常需要处理计算量大的任务。为了提高代码效率，我们可以利用内置的缓存装饰器。本文将深入探讨三个常用的缓存装饰器：@lru_cache、@cache 和 @cached_property，全面阐述它们的用法和适用场景，帮助你掌握 Python 中的缓存技巧。

@lru_cache：轻量级函数缓存

概念：

@lru_cache 是一个函数缓存装饰器，它通过记住函数的输入和输出，来避免重复计算。当函数再次被调用时，如果输入参数与之前调用时相同，则直接从缓存中返回结果。

代码示例：

import functools

@functools.lru_cache()
def fibonacci(n):
    if n < 2:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(35))  # 计算并缓存结果
print(fibonacci(35))  # 直接从缓存中获取结果

适用场景：

适用于计算量大、结果不变的函数，如数学函数、查找表等。
可有效避免重复计算，提高代码运行速度。

@cache：万能缓存工具

概念：

@cache 是一个通用缓存装饰器，它不仅可以缓存函数，还可以缓存任何可哈希的对象，如类、方法、数据结构等。

代码示例：

import functools

class MyClass:
    @functools.cache
    def my_method(self, x, y):
        return x + y

obj = MyClass()
print(obj.my_method(1, 2))  # 计算并缓存结果
print(obj.my_method(1, 2))  # 直接从缓存中获取结果

适用场景：

适用于计算量大、结果可能发生变化的函数或对象，如数据库查询、文件读取等。
提供了更大的灵活性，可缓存各种类型的数据。

@cached_property：成员方法缓存

概念：

@cached_property 是一个类成员方法缓存装饰器，它专门用于缓存类的方法。当方法再次被调用时，如果实例和方法参数与之前调用时相同，则直接从缓存中返回结果。

代码示例：

class MyClass:
    @cached_property
    def my_property(self):
        return len(self.name)

obj = MyClass()
obj.name = "John Doe"
print(obj.my_property)  # 计算并缓存结果
print(obj.my_property)  # 直接从缓存中获取结果