@lru_cache decorator缓存未命中过多

Question

如何配置lru_cache以根据实际接收到的值对其缓存进行键控，而不是如何调用函数？

>>> from functools import lru_cache
>>> @lru_cache
... def f(x=2):
...     print("reticulating splines...")
...     return x ** 2
...
>>> f()
reticulating splines...
4
>>> f(2)
reticulating splines...
4
>>> f(x=2)
reticulating splines...
4

换句话说，只有上面的第一个调用应该是缓存未命中，另外两个应该是缓存命中。

Answer 1

要做到这一点，您必须完成将参数绑定到形式参数的过程。实际的过程是在没有公共接口的C代码中实现的，但在inspect中有一个(慢得多(的重新实现。这大约比正常使用functools.lru_cache慢100倍：

import functools
import inspect
def mycache(f=None, /, **kwargs):
def inner(f):
sig = inspect.signature(f)
f = functools.lru_cache(**kwargs)(f)
@functools.wraps(f)
def wrapper(*args, **kwargs):
bound = sig.bind(*args, **kwargs)
bound.apply_defaults()
return f(*bound.args, **bound.kwargs)
return wrapper
if f:
return inner(f)
return inner
@mycache
def f(x):
print("reticulating splines...")
return x ** 2

如果这种方法的性能损失太大，您可以使用以下技巧，它需要更多的代码复制，但运行速度要快得多，仅比正常使用lru_cache慢约2倍(有时使用关键字参数会更快(：

@functools.lru_cache
def _f(x):
print("reticulating splines...")
return x ** 2
def f(x=2):
return _f(x)

这使用更快的C级参数绑定来规范化对记忆助手函数的调用，但需要复制函数的参数3次：一次在外部函数的签名中，一次在助手的签名中和一次在对助手的调用中。