緩存是一種將定量數據加以保存以備迎合后續請求的處理方式,旨在加快數據的檢索速度。
在 Python 的 3.2 版本中,引入了一個非常優雅的緩存機器,即 functool 模塊中的 lru_cache 裝飾器。
lru_cache
原型如下:
@functools
.
lru_cache
(
maxsize
=
None
,
typed
=
False
)
使用functools模塊的lur_cache裝飾器,可以緩存最多 maxsize 個此函數的調用結果,從而提高程序執行的效率,特別適合于耗時的函數。參數maxsize為最多緩存的次數,如果為None,則無限制,設置為2n時,性能最佳;如果 typed=True(注意,在 functools32 中沒有此參數),則不同參數類型的調用將分別緩存,例如 f(3) 和 f(3.0)。
被 lru_cache 裝飾的函數會有 cache_clear 和 cache_info 兩個方法,分別用于清除緩存和查看緩存信息。
一個簡單的示例演示 lru_cache 效果:
from
functools
import
lru_cache
@lru_cache
(
None
)
def
add
(
x
,
y
)
:
print
(
"calculating: %s + %s"
%
(
x
,
y
)
)
return
x
+
y
print
(
add
(
1
,
2
)
)
print
(
add
(
1
,
2
)
)
print
(
add
(
2
,
3
)
)
輸出結果
calculating
:
1
+
2
3
3
calculating
:
2
+
3
5
從結果可以看出,當第二次調用 add(1, 2) 時,并沒有真正執行函數體,而是直接返回緩存的結果。
轉載:
Python 緩存機制與 functools.lru_cache
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號聯系: 360901061
您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對您有幫助就好】元
