缓存装饰器 Python

Question

我正在观看 Raymond Hettinger 的一个很棒的视频，我对装饰器示例有点困惑：

def cache(func):
    saved={}
    @wraps(func)
    def newfunc(*args):
        if args in saved:
            return newfunc(*args) # should be return saved[args]?
        result = func(*args)
        saved[args]=result
        return result
    return newfunc

我不是装饰器方面的专家，但是 return 在发现项目被缓存后调用 newfunc(*args) 不会导致递归循环永远不会结束吗？我认为它是假设 return 保存 [args] （函数最终 return 的结果，这是一回事，但我认为如果在中找到一个项目它永远不会到达那里缓存。）

Answer 1

是的，这是一个错误。

如果您不确定，让我们测试一下：

def fib(n):
    if n < 2:
        return 1
    return fib(n-2) + fib(n-1)

print(fib(10))

@cache
def cfib(n):
    if n < 2:
        return 1
    return cfib(n-2) + cfib(n-1)

print(cfib(10))

第一个打印出89，第二个中止：

  File "rhcache.py", line 8, in newfunc
    return newfunc(*args) # should be return saved[args]?
  File "rhcache.py", line 8, in newfunc
    return newfunc(*args) # should be return saved[args]?
  # ... 997 more copies
RuntimeError: maximum recursion depth exceeded

但是如果我们按照您的建议更改它，它会再次打印 89。（而且，如果你计时，它比非缓存版本运行得更快；如果你分析它，它只对实际函数进行 10 次调用；等等）

完全符合您的预期。

那么，我们学到了什么？即使是 Raymond Hettinger 也不会在未经测试的代码中偶尔出现拼写错误，但他的代码足够干净，即使没有运行也很容易找到并解决问题。 :)

您可以向他发送电子邮件、在 YouTube 页面上添加评论或在 PyVideo 页面上报告问题。

Answer 2

您也可以使用 @functools.lru_cache(maxsize=128, typed=False)¶ 这看起来像：

from functools import lru_cache

@lru_cache(maxsize=None)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

缓存装饰器 Python

Caching Decorator Python

python

caching

decorator