1. 為什么需要緩存技術？

使用緩存是優(yōu)化Python程序速度的重要方法之一。如果使用得當，可以大幅減少計算資源的負載，有效加快代碼運行速度

Python 的內置庫 functools 模塊附帶了@lru_cache，@cache, @cached_property 裝飾器，使用非常簡便，不需要安裝第3方庫，不需要 redis 等數(shù)據(jù)庫保存對象等，通常只需要1行代碼，就可以對函數(shù)運算結果、類成員方法運算結果進行緩存。

本文將介紹這3種緩存工具的使用步驟及實例。

2. @lru_cache 緩存裝飾器的使用

@lru_cache 是最常見的緩存裝飾器。lru_cache 是： Last recently used cache 的簡寫，可以將該函數(shù)最近調用的輸入?yún)?shù)以及結果進行緩存。如果有新的調用，先檢查緩存是否有相同的輸入?yún)?shù)，如果存在，則直接返回對應結果。如果是無參函數(shù)，第1次調用后，以后每次調用，直接返回緩存結果。

先看1個例子

from functools import lru_cache
from math import sin

@lru_cache
def sin_half(x):
    return sin(x)/2

print('first call result:',sin_half(60))
print('second call result:',sin_half(60))

上例中，第1次運行函數(shù)后，lru_cache會緩存調用參數(shù)及返回結果。第2次運行時，lru_cache都會檢查輸入，發(fā)現(xiàn)緩存中存在相同輸入?yún)?shù)60，則從緩存中返回結果。如果函數(shù)執(zhí)行的是計算量很重的任務，對于相同輸入，可以明顯地節(jié)省系統(tǒng)資源。

裝飾器參數(shù)

lru_cache默認不清除緩存內容，因此緩存會無限增長，如果程序是長期運行的服務，可能存在耗盡內存的風險。 因此，必須添加1個maxsize參數(shù)：
@lru_cache(maxsize) 的參數(shù)maxsize 表示要緩存的最近調用次數(shù).
如 @lru_cache(360) 表示，只緩存最近360次的函數(shù)調用結果。

@lru_cache(360)
def sin_half(x):
    return sin(x)/2

緩存操作

查看緩存報告: sin_half.cache_info()
強制清除緩存內容： sin_half.cache_clear()
當然也可以使用 python的 garbage collection 清除緩存。

下面使用1個示例來演示上述內容：

import functools
import gc

# 主要功能： 
# 驗證  @lru_cache 裝飾器，.chche_info() 和 .cache_clear() 方法的使用
#       garbage collection 的使用

@functools.lru_cache(maxsize = 300) # Max number of Last recently used cache
def fib(n):
	if n < 2:
		return n
	return fib(n-1) + fib(n-2)


fib(30)
fib.cache_clear()

# Before Clearing
print(fib.cache_info())

# After Clearing
print(fib.cache_info())

@functools.lru_cache(maxsize = None)
def gfg1():
    # insert function logic here
    pass

# 再次運行函數(shù) 
gfg1()
fib(30)
# garbage collection
gc.collect()

# All objects collected
objects = [i for i in gc.get_objects() 
           if isinstance(i, functools._lru_cache_wrapper)]

print(gfg1.cache_info())

# All objects cleared
for object in objects:
    object.cache_clear()
    
print(gfg1.cache_info())

運行程度，輸出為：

CacheInfo(hits=0, misses=0, maxsize=300, currsize=0)
CacheInfo(hits=0, misses=0, maxsize=300, currsize=0)
CacheInfo(hits=0, misses=1, maxsize=None, currsize=1)
CacheInfo(hits=0, misses=0, maxsize=None, currsize=0)

3. @cache 緩存裝飾器的使用

相比@lru_cache, @cache 裝飾器更輕量化，速度更快，且是線程安全，不同線程可以調用同1個函數(shù)，緩存值可以共享。

import functools
import time

@functools.cache
def fib(n):
	if n < 2:
		return n
	return fib(n-1) + fib(n-2)
   
if __name__ == '__main__':
    
    start_time = time.time()
    print(fib(400))
    end_time = time.time()
    execution_time_without_cache = end_time - start_time
    print("Time taken without cache: {:.8f} seconds".format(execution_time_without_cache))
    
    start_time = time.time()
    print(fib(400))
    end_time = time.time()
    execution_time_without_cache = end_time - start_time
    print("Time taken with cache: {:.8f} seconds".format(execution_time_without_cache))    

output:

176023680645013966468226945392411250770384383304492191886725992896575345044216019675
Time taken without cache: 0.00095391 seconds
176023680645013966468226945392411250770384383304492191886725992896575345044216019675
Time taken with cache: 0.00000000 seconds

4. @cached_property 緩存裝飾器的使用

@cached_property是一個裝飾器，它將類的方法轉換為屬性，其值僅計算一次，然后緩存為普通屬性。因此，只要實例持久存在，緩存的結果就可用，我們可以將該方法用作類的屬性那樣來使用，如

調用：    : instance.method
取代舊方式 : instance.method()

@cached_property是 Python 中 functools 模塊的一部分。它類似于 property（），但 @cached_property 帶有一個額外的功能，那就是緩存。

但是它如何減少執(zhí)行時間并使程序更快？請考慮以下示例：

# Without using @cached_property

# A sample class
class Sample():

	def __init__(self, lst):
	self.long_list = lst

	# a method to find the sum of the
	# given long list of integer values
	def find_sum(self):
		return (sum(self.long_list))

# obj is an instance of the class sample
# the list can be longer, this is just
# an example
obj = Sample([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print(obj.find_sum())
print(obj.find_sum())
print(obj.find_sum())

輸出為：

55
55
55

在這里，假設如果我們傳遞1個長列表，每次調用 find_sum()方法時都會計算給定列表的總和，從而花費大量時間運行，程序最終會變慢。我們想要的是，由于列表在創(chuàng)建實例后不會更改，因此，如果列表的總和只計算一次，而不是每次在我們調用方法并希望訪問總和時計算，那就太好了。這可以通過使用@cached_property來實現(xiàn),

# With using @cached_property

from functools import cached_property

# A sample class
class Sample():
	def __init__(self, lst):
	self.long_list = lst

	# a method to find the sum of the
	# given long list of integer values
	@cached_property
	def find_sum(self):
		return (sum(self.long_list))

# obj is an instance of the class sample
obj = Sample([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
print(obj.find_sum)
print(obj.find_sum)
print(obj.find_sum)

使用了@cached_property裝飾器后，無須重新計算，總是立即返回find_sum值。
如果需要重新計算屬性，則刪除該屬性即可，下次調用會重新計算，在本例 中添加如下語句，

del obj.find_sum
obj.long_list = range(20,30)
print(obj.find_sum)

運行代碼，輸出結果為：

55
55
55
245

5. 各種緩存方法的適用場景

綜上所述，建議如下：
1） 如果程序規(guī)模小，或多線程編程時，可使用@cache 裝飾器。
2） 如果程度規(guī)模大，并且是長時間運行，建議使用@lru_cache 裝飾器，使用方法靈活，但要注意控制緩存數(shù)量，必要時手工清理。
3） 編寫類代碼時，如需將某項復雜運算結果像屬性那樣訪問時，使用@cached_property裝飾器。文章來源地址http://www.zghlxwxcb.cn/news/detail-515076.html

到了這里，關于如何使用Python內置緩存裝飾器: @lru_cache，@cache 與 @cached_property的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網(wǎng)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TOY模板網(wǎng)！