python - @lru_cache 装饰器过多的缓存未命中

Question

如何配置lru_cache根据接收到的实际值而不是如何调用函数来键入其缓存？

>>> 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，其他两个应该是缓存命中。

Answer 1

为此，您必须完成将参数绑定(bind)到形式参数的过程。这样做的实际过程是在没有公共(public)接口(interface)的 C 代码中实现的，但是在 inspect 中有一个(慢得多的)重新实现。 .这比使用 functools.lru_cache 慢大约 100 倍。一般:

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

如果该方法的性能损失太大，您可以改用以下技巧，该技巧需要更多代码重复但运行速度更快，仅比使用 lru_cache 慢 2 倍通常(有时更快，使用关键字参数):

@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(bind)来规范对记忆化辅助函数的调用，但需要将函数的参数复制 3 次:一次在外部函数的签名中，一次在辅助函数的签名中，一次在对辅助函数的调用中.