这次的结果是 0 秒，你没看错，我保留了 4 位小数，后面的忽略了。
提升了多少倍？我已经计算不出来了。
为什么 lru_cache 装饰器这么牛逼，它到底做了什么事情？今天就来聊一聊这个最有用的装饰器。
如果看过计算机操作系统的话，你对 LRU 一定不会陌生，这就是著名的最近最久未使用缓存淘汰算法。
而 lru_cache 就是这个算法的具体实现。（这个算法可是面试经常考的哦，有的面试官要求现场手写代码）
现在，我们来看一个 lru_cache 的源代码，其中的英文注释，我已经为你翻译为中文：
def
lru_cache(
maxsize
=
128,
typed
=
False):
“”
"LRU 缓存装饰器
如果
maxsize
是
None,
将不会淘汰缓存，缓存大小也不做限制
如果
typed
是
True,
不同类型的参数将独立做缓存，比如
f(
3.0)
and
f(
将认为是不同的函数调用而缓存在两个缓存节点上。
函数的参数必须可以被
hash
查看缓存信息使用的是命名元组 (
hits,
misses,
maxsize,
currsize)
查看缓存信息：user_func
.
cache_info()
.
清理缓存信息：user_func
.
cache_clear()
.
LRU
算法:
http:
//en.wikipedia.org/wiki/Cache_replacement_policies#Least_recently_used_(LRU)
“”
"
lru_cache
的内部实现是线程安全的
if
isinstance(
maxsize,
int):
负数转换为
0
if
maxsize
<
0:
maxsize
=
0
elif
callable(
maxsize)
and
isinstance(
typed,
bool):
#如果被装饰的函数（user_function）直接通过
maxsize
参数传入
user_function,
maxsize
=
maxsize,
128
wrapper
=
_lru_cache_wrapper(
user_function,
maxsize,
typed,
_CacheInfo)
return
update_wrapper(
wrapper,
user_function)
elif
maxsize
is
not
None:
raise
TypeError(
‘Expected first argument to be an integer, a callable, or None’)
def
decorating_function(
user_function):
wrapper
=
_lru_cache_wrapper(
user_function,
maxsize,
typed,
_CacheInfo)
return
update_wrapper(
wrapper,
user_function)
return
decorating_function
这里面有两个参数，一个是 maxsize，表示缓存的大小，当传入负数时，自动设置为 0，如果不传入 maxsize，或者设置为 None，表示缓存没有大小限制，此时没有缓存淘汰。还有一个是 type，当 type 传入 True 时，不同的参数类型会当作不同的 key 存到缓存当中。
接下来，lru_cache 的核心在这个函数上 _lru_cache_wrapper，建议有感情的阅读、背诵并默写。我们来看下它的源代码
def
_lru_cache_wrapper(
user_function,
maxsize,
typed,
_CacheInfo):
所有
lru
cache
实例共享的常量:
sentinel
=
object()
用来表示缓存未命中的唯一对象
make_key
=
_make_key
build
a
key
from
the
function
arguments
PREV,
NEXT,
KEY,
RESULT
=
0,
1,
2,
3
names
for
the
link
fields
cache
= {}
hits
=
misses
=
0
full
=
False
cache_get
=
cache
.
get
绑定函数来获取缓存中
key
的值
cache_len
=
cache
.
len
绑定函数获取缓存大小
lock
=
RLock()
因为链表上的更新是线程不安全的
root
= []
循环双向链表的根节点
root[:]
= [
root,
root,
None,
None]
初始化根节点的前后指针都指向它自己
if
maxsize
==
0:
def
wrapper(
args,
**
kwds):
没有缓存，仅更新统计信息
nonlocal
misses
misses
+=
1
result
=
user_function(
args,
**
kwds)
return
result
elif
maxsize
is
None:
def
wrapper(
args,
**
kwds):
仅仅排序，不考虑排序和缓存大小限制
nonlocal
hits,
misses
key
=
make_key(
args,
kwds,
typed)
result
=
cache_get(
key,
sentinel)
if
result
is
not
sentinel:
hits
+=
1
return
result
misses
+=
1
result
=
user_function(
args,
**
kwds)
cache[
key]
=
result
return
result
else:
def
wrapper(
args,
**
kwds):
大小有限制，并跟踪最近使用的缓存
nonlocal
root,
hits,
misses,
full
key
=
make_key(
args,
kwds,
typed)
with
lock:
link
=
cache_get(
key)
if
link
is
not
None:
缓存命中，将命中的缓存移动到循环双向链表的头部
link_prev,
link_next,
_key,
result
=
link
link_prev[
NEXT]
=
link_next
link_next[
PREV]
=
link_prev
last
=
root[
PREV]
last[
NEXT]
=
root[
PREV]
=
link
link[
PREV]
=
last
link[
NEXT]
=
root
hits
+=
1
return
result
misses
+=
1
result
=
user_function(
args,
**
kwds)
with
lock:
if
key
in
cache:
走到这里说明
key
已经放在了缓存，且锁已经释放了，链表已经更新了，这里什么也不需要做了，最后只需要返回计算的结果就可以了。
pass
elif
full:
如果缓存满了，
使用最老的根节点来存储新节点就可以了，链表上不需要删除（是不是很聪明）
oldroot
=
root
oldroot[
KEY]
=
key
oldroot[
RESULT]
=
result
root
=
oldroot[
NEXT]
oldkey
=
root[
KEY]
oldresult
=
root[
RESULT]
root[
KEY]
=
root[
RESULT]
=
None
最后，我们需要从缓存中清除这个
key，因为它已经无效了。
del
cache[
oldkey]
新值放入缓存
cache[
key]
=
oldroot
else:
如果没有满，将新的结果放入循环双向链表的头部
last
=
root[
PREV]
link
= [
last,
root,
key,
result]
last[
NEXT]
=
root[
PREV]
=
cache[
key]
=
link
使用
cache_len
绑定方法而不是
len()
函数，后者可能会被包装在
lru_cache
本身中
full
= (
cache_len()
=
maxsize)
return
result
def
cache_info():
“”
“报告缓存统计信息”
“”
with
lock:
return
_CacheInfo(
hits,
misses,
maxsize,
cache_len())
def
cache_clear():
“”
“清理缓存信息”
“”
nonlocal
hits,
misses,
full
with
lock:
cache
.
clear()
root[:]
= [
root,
root,
None,
None]
hits
=
misses
=
0
full
=
False
wrapper
.
cache_info
=
cache_info
wrapper
.
cache_clear
=
cache_clear
return
wrapper
如果我写的注释你都看明白了，那也不用看我下面的废话了，如果还有点不太明白，我啰嗦几句，也许你就明白了。
第一、所谓缓存，用的仍然是内存，为了快速存取，用的就是一个 hash 表，也就是 Python 的字典，都是在内存里的操作。
cache
= {}
第二、如果 maxsize == 0，就相当于没有使用缓存，每调用一次，未命中数就 + 1，代码逻辑是这样的：
def
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
五、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
六、面试资料
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
扫一扫
1677
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
