如何使用Python内置缓存装饰器@lru_cache，@cache与@cached_property

见贤思齐

1.为什么需要缓存技术？使用缓存是优化Python程序速度的重要方法之一。如果使用得当，可以大幅减少计算资源的负载，有效加快代码运行速度Python的内置库functools模块附带了@lru_cache，@cache,@cached_property装饰器，使用非常简便，不需要安装第3方库，不需要redis等数据库保存对象等，通常只需要1行代码，就可以对函数运算结果、类成员方法运算结果进行缓存。本文将介绍这3种缓存工具的使用步骤及实例。2.@lru_cache缓存装饰器的使用@lru_cache是最常见的缓存装饰器。lru_cache是：Lastrecentlyusedcache的简写，可以将该函数最近调用的输入参数以及结果进行缓存。如果有新的调用，先检查缓存是否有相同的输入参数，如果存在，则直接返回对应结果。如果是无参函数，第1次调用后，以后每次调用，直接返回缓存结果。先看1个例子fromfunctoolsimportlru_cachefrommathimportsin@lru_cachedefsin_half(x):returnsin(x)/2print('firstcallresult:',sin_half(60))print('secondcallresult:',sin_half(60))12345678910上例中，第1次运行函数后，lru_cache会缓存调用参数及返回结果。第2次运行时，lru_cache都会检查输入，发现缓存中存在相同输入参数60，则从缓存中返回结果。如果函数执行的是计算量很重的任务，对于相同输入，可以明显地节省系统资源。装饰器参数lru_cache默认不清除缓存内容，因此缓存会无限增长，如果程序是长期运行的服务，可能存在耗尽内存的风险。因此，必须添加1个maxsize参数：@lru_cache(maxsize)的参数maxsize表示要缓存的最近调用次数.如@lru_cache(360)表示，只缓存最近360次的函数调用结果。@lru_cache(360)defsin_half(x):returnsin(x)/2123缓存操作查看缓存报告:sin_half.cache_info()强制清除缓存内容：sin_half.cache_clear()当然也可以使用python的garbagecollection清除缓存。下面使用1个示例来演示上述内容：importfunctoolsimportgc#主要功能：#验证@lru_cache装饰器，.chche_info()和.cache_clear()方法的使用#garbagecollection的使用@functools.lru_cache(maxsize=300)#MaxnumberofLastrecentlyusedcachedeffib(n): ifn