一、前言

我們經常談論的緩存一詞，更多的類似于將硬盤中的數據存放到內存中以至于提高讀取速度，比如常說的redis，就經常用來做數據的緩存。
Python的緩存（lru_cache）是一種裝飾在被執(zhí)行的函數上，將其執(zhí)行的結果緩存起來，當下次請求的時候，如果請求該函數的傳參未變則直接返回緩存起來的結果而不再執(zhí)行函數的一種緩存裝飾器。

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求兩數之和的函數，并調用執(zhí)行它兩次：

def test(a, b):
    print('開始計算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)行結果

開始計算a+b的值...
1+2等于: 3
開始計算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行執(zhí)行：

from functools import lru_cache

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

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

執(zhí)行結果

開始計算a+b的值...
1+2等于: 3
1+2等于: 3

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

2.當我們使用遞歸求斐波拉契數列 （斐波那契數列指的是這樣一個數列：0,1,1,2,3,5,8，它從第3項開始，每一項都等于前兩項之和） 的時候，緩存對性能的提升就尤其明顯了：

不使用緩存求第40項的斐波拉契數列

import datetime

def fibonacci(num):
	# 不使用緩存時，會重復執(zhí)行函數
    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)行時間', end - start)

執(zhí)行時間

執(zhí)行時間 0:00:29.004424

使用緩存求第40項的斐波拉契數列：

import datetime

def fibonacci(num):
	# 不使用緩存時，會重復執(zhí)行函數
    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)行時間', end - start)

執(zhí)行時間

執(zhí)行時間 0:00:00

兩個差距是非常明顯的，因為不使用緩存時，相當于要重復執(zhí)行了很多的函數，而使用了lru_cache則把之前執(zhí)行的函數結果已經緩存了起來，就不需要再次執(zhí)行了。

三、lru_cache 用法

1.參數詳解

查看lru_cache源碼會發(fā)現(xiàn)它可以傳遞兩個參數：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果數量 （被裝飾方法傳參不同一樣，則結果不一樣；如果傳參一樣則為同一個結果）， 如果不指定傳參則默認值為128，表示最多緩存128個返回結果，當達到了128個時，有新的結果要保存時，則會刪除最舊的那個結果。如果maxsize傳入為None則表示可以緩存無限個結果；

2）typed

默認為false，代表不區(qū)分數據類型，如果設置為True，則會區(qū)分傳參類型進行緩存，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,
例如，f（3.0）和f（3）將被視為具有明顯的結果。

但在python3.9.8版本下進行測試，typed為false時，按照官方的測試方法測試得到的還是會被當成不同的結果處理，這個時候typed為false還是為true都會區(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('函數被調用了...')
    return a

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

執(zhí)行結果

函數被調用了...
1.0
函數被調用了...

但如果是多參數的情況下，則會被當成一個結果：

from functools import lru_cache

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

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

執(zhí)行結果

函數被調用了...
(1.0, 2.0)
(1.0, 2.0)

這個時候設置typed為true時，則會區(qū)別緩存：

from functools import lru_cache

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

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

執(zhí)行結果

函數被調用了...
(1.0, 2.0)
函數被調用了...
(1, 2)

當傳參個數大于1時，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

當傳遞的參數是dict、list等的可變參數時，lru_cache是不支持的，會報錯：

from functools import lru_cache

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

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

報錯結果

TypeError: unhashable type: 'dict'

四、lru_cache 與redis的區(qū)別

五、總結

經過上面的分析，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用。如果涉及的緩存的數據種類比較多并且想更好的管理緩存、或者需要緩存數據有過期時間（類似登錄驗證的token）等，使用redis是優(yōu)于lru_cache的。

到此這篇關于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Python中緩存lru_cache內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論