Lru_cache（来自 functools）如何工作

Python

Lru_cache是Python中functools库中的一个装饰器，它提供了一种缓存函数结果的方法，以便在后续调用中可以快速获取结果。Lru_cache使用Least Recently Used（最近最少使用）算法来决定哪些结果应该被缓存，哪些应该被删除。本文将详细介绍Lru_cache的工作原理，并提供一个案例代码来说明其使用方法。

Lru_cache的工作原理如下：当一个函数被装饰为Lru_cache时，它的结果将会被缓存下来。当下次再次调用该函数时，如果传入的参数与之前的调用相同，则直接返回缓存中的结果，而不会再次执行函数体内的代码。这样可以避免重复计算相同参数的结果，从而提高函数的执行效率。

案例代码：

Python
from functools import lru_cache
@lru_cache(maxsize=3)
def fibonacci(n):
    if n < 2:</p>        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)
print(fibonacci(5))
print(fibonacci(4))
print(fibonacci(3))
print(fibonacci(2))
print(fibonacci(1))
print(fibonacci(0))

上述代码定义了一个斐波那契数列的函数fibonacci，使用了Lru_cache装饰器。该函数接受一个参数n，返回斐波那契数列的第n项。在函数体内，如果n小于2，则直接返回n；否则，通过递归调用函数计算第n-1项和第n-2项的和。这个递归调用会导致重复计算相同的项，但通过Lru_cache的缓存机制，可以避免重复计算，提高计算效率。

在案例代码中，我们先调用了fibonacci(5)，结果为5。然后依次调用了fibonacci(4)、fibonacci(3)、fibonacci(2)、fibonacci(1)和fibonacci(0)，分别返回了3、2、1、1和0。注意到，在计算fibonacci(4)时，需要计算fibonacci(3)和fibonacci(2)的结果，而计算fibonacci(3)时又需要计算fibonacci(2)的结果。但由于Lru_cache的缓存机制，fibonacci(2)的结果只计算了一次，并被缓存下来，后续调用时直接从缓存中获取结果，避免了重复计算。

工作原理解析：

Lru_cache的工作原理可以分为以下几个步骤：

1. 创建一个缓存空间，用于存储函数调用的结果。默认情况下，maxsize为128，表示最多缓存128个不同的函数调用结果。

2. 当函数被调用时，Lru_cache会检查传入的参数是否已经在缓存中。如果存在缓存结果，则直接返回该结果，函数体内的代码不会执行。

3. 如果参数不在缓存中，Lru_cache会执行函数体内的代码，并将结果存入缓存。同时，如果缓存已满，Lru_cache会使用Least Recently Used算法删除最久未使用的结果，为新的结果腾出空间。

4. 下次再次调用函数时，如果传入的参数与之前的调用相同，则直接返回缓存中的结果，避免重复计算。

缓存大小控制：

Lru_cache提供了maxsize参数来控制缓存的大小。maxsize表示最多缓存多少个不同的函数调用结果。当缓存达到最大容量时，新的结果会替换掉最久未使用的结果。如果maxsize设置为None，则表示缓存大小无限制，所有的结果都会被缓存。

在案例代码中，我们设置了maxsize为3。当计算fibonacci(4)时，由于缓存中只有fibonacci(0)、fibonacci(1)和fibonacci(2)的结果，需要计算fibonacci(3)和fibonacci(2)。但由于缓存大小限制为3，最久未使用的fibonacci(0)会被删除，为新的结果腾出空间。这样，后续再次调用fibonacci(0)时，需要重新计算。

：

Lru_cache是Python中functools库提供的一个强大的装饰器，可以在函数调用过程中缓存结果，避免重复计算。它使用Least Recently Used算法来决定哪些结果应该被缓存，哪些应该被删除。通过合理设置缓存大小，可以在一定程度上提高函数的执行效率。在实际应用中，Lru_cache可以用于那些计算量较大的函数，避免重复计算相同参数的结果，提高程序的性能。