函数缓存（Function caching）

函数缓存允许我们将一个函数对于给定参数的返回值缓存起来。
当一个 I/O 密集的函数被频繁使用相同的参数调用的时候，函数缓存可以节约时间。
在 Python 3.2 版本以前我们只有写一个自定义的实现。在 Python 3.2 以后版本，有个 lru_cache 的装饰器，允许我们将一个函数的返回值快速地缓存或取消缓存。

我们来看看，Python 3.2 前后的版本分别如何使用它。

Python 3.2及以后版本

我们来实现一个斐波那契计算器，并使用 lru_cache。

  1. from functools import lru_cache
  3. @lru_cache(maxsize=32)
  4. def fib(n):
  5.     if n < 2:
  6.         return n
  7.     return fib(n-1) + fib(n-2)
  9. >>> print([fib(n) for n in range(10)])
  10. # Output: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

那个 maxsize 参数是告诉 lru_cache，最多缓存最近多少个返回值。

我们也可以轻松地对返回值清空缓存，通过这样：

  1. fib.cache_clear()

Python 2系列版本

你可以创建任意种类的缓存机制，有若干种方式来达到相同的效果，这完全取决于你的需要。 这里是一个一般的缓存：

  1. from functools import wraps
  3. def memoize(function):
  4.     memo = {}
  5.     @wraps(function)
  6.     def wrapper(*args):
  7.         if args in memo:
  8.             return memo[args]
  9.         else:
  10.             rv = function(*args)
  11.             memo[args] = rv
  12.             return rv
  13.     return wrapper
  15. @memoize
  16. def fibonacci(n):
  17.     if n < 2: return n
  18.     return fibonacci(n - 1) + fibonacci(n - 2)
  20. fibonacci(25)

这里有一篇 Caktus Group 的不错的文章，在其中他们发现一个 Django 框架的由 lru_cache 导致的 bug。读起来很有意思。一定要打开去看一下。