python 緩存

詳解：

站在用戶的角度思考問題，與客戶深入溝通，找到丘北網(wǎng)站設計與丘北網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗，讓設計與互聯(lián)網(wǎng)技術結合，創(chuàng)造個性化、用戶體驗好的作品，建站類型包括：成都網(wǎng)站設計、成都網(wǎng)站建設、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣、國際域名空間、虛擬主機、企業(yè)郵箱。業(yè)務覆蓋丘北地區(qū)。

一.

1.int 類型的緩存

[-5, 256]的整型，只要Python解釋器一運行，這些數(shù)值就加載到了內(nèi)存

2.free_list：float、list、touple、dict等都是這種方式

當一個對象引用計數(shù)為0時，按理說就應該被垃圾回收了，但是Python不是這么做的，而是將對象放入到free_list鏈表里面。這樣，以后再去創(chuàng)建該對象時，不會重新開辟內(nèi)存，而是直接使用free_list里面的

Python性能提升神器！lru_cache的介紹和講解

我們經(jīng)常談論的緩存一詞，更多的類似于將硬盤中的數(shù)據(jù)存放到內(nèi)存中以至于提高讀取速度，比如常說的redis，就經(jīng)常用來做數(shù)據(jù)的緩存。 Python的緩存（lru_cache）是一種裝飾在被執(zhí)行的函數(shù)上，將其執(zhí)行的結果緩存起來，當下次請求的時候，如果請求該函數(shù)的傳參未變則直接返回緩存起來的結果而不再執(zhí)行函數(shù)的一種緩存裝飾器。

那它和redis的區(qū)別在哪？有什么優(yōu)勢？怎么使用？ 下面為你講解

1.現(xiàn)在我們先不使用緩存來寫一個求兩數(shù)之和的函數(shù)，并調(diào)用執(zhí)行它兩次：

執(zhí)行結果

可以看到 test 被執(zhí)行了兩次，現(xiàn)在我們加上緩存再進行執(zhí)行：

執(zhí)行結果

可以看到 test 函數(shù)只被執(zhí)行了一次，第二次的調(diào)用直接輸出了結果，使用了緩存起來的值。

2.當我們使用遞歸求斐波拉契數(shù)列 （斐波那契數(shù)列指的是這樣一個數(shù)列：0,1,1,2,3,5,8，它從第3項開始，每一項都等于前兩項之和） 的時候，緩存對性能的提升就尤其明顯了：

不使用緩存求第40項的斐波拉契數(shù)列

執(zhí)行時間

使用緩存求第40項的斐波拉契數(shù)列：

執(zhí)行時間

兩個差距是非常明顯的，因為不使用緩存時，相當于要重復執(zhí)行了很多的函數(shù)，而使用了 lru_cache 則把之前執(zhí)行的函數(shù)結果已經(jīng)緩存了起來，就不需要再次執(zhí)行了。

查看lru_cache源碼會發(fā)現(xiàn)它可以傳遞兩個參數(shù)： maxsize 、 typed ：

代表被lru_cache裝飾的方法最大可緩存的結果數(shù)量 （被裝飾方法傳參不同一樣，則結果不一樣；如果傳參一樣則為同一個結果） ， 如果不指定傳參則默認值為128，表示最多緩存128個返回結果，當達到了128個時，有新的結果要保存時，則會刪除最舊的那個結果。如果maxsize傳入為None則表示可以緩存無限個結果；

默認為false，代表不區(qū)分數(shù)據(jù)類型，如果設置為True，則會區(qū)分傳參類型進行緩存，官方是這樣描述的:

但在python3.9.8版本下進行測試，typed為false時，按照官方的測試方法測試得到的還是會被當成不同的結果處理，這個時候typed為false還是為true都會區(qū)別緩存，這與官方文檔的描述存在差異：

執(zhí)行結果

但如果是多參數(shù)的情況下，則會被當成一個結果：

執(zhí)行結果

這個時候設置typed為true時，則會區(qū)別緩存：

執(zhí)行結果

當傳參個數(shù)大于1時，才符合官方的說法，不清楚是不是官方舉例有誤

當傳遞的參數(shù)是dict、list等的可變參數(shù)時，lru_cache是不支持的，會報錯：

報錯結果

緩存 緩存位置 是否支持可變參數(shù) 是否支持分布式 是否支持過期時間設置 支持的數(shù)據(jù)結構 需單獨安裝 redis 緩存在redis管理的內(nèi)存中 是 是 是 支持5種數(shù)據(jù)結構 是 lru_cache 緩存在應用進程的內(nèi)存中，應用被關閉則被清空 否 否 否 字典（參數(shù)為：key，結果為：value） 否

經(jīng)過上面的分析，lru_cache 功能相對于redis來說要簡單許多，但使用起來更加方便，適用于小型的單體應用。如果涉及的緩存的數(shù)據(jù)種類比較多并且想更好的管理緩存、或者需要緩存數(shù)據(jù)有過期時間（類似登錄驗證的token）等，使用redis是優(yōu)于lru_cache的。

python 緩存記憶化 @lru_cache()

使用裝飾器lru_cache加速函數(shù)計算

lru是一種緩存淘汰算法

(least recently used)即最近最少使用淘汰算法

不用lru_cache

使用lru_cache

lru_cache的定義如下，

第一個參數(shù)maxsize控制最大緩存數(shù)量，

第二個參數(shù)為True則嚴格檢查被裝飾函數(shù)的參數(shù)類型

python3_原生 LRU 緩存

原生 LRU 緩存（最低 Python 版本為 3.2）

目前，幾乎所有層面上的軟件和硬件中都需要緩存。Python 3 將 LRU（最近最少使用算法）緩存作為一個名為「lru_cache」的裝飾器，使得對緩存的使用非常簡單。

下面是一個簡單的斐波那契函數(shù)，我們知道使用緩存將有助于該函數(shù)的計算，因為它會通過遞歸多次執(zhí)行相同的工作。

現(xiàn)在，我們可以使用「lru_cache」來優(yōu)化它（這種優(yōu)化技術被稱為「memoization」）。通過這種優(yōu)化，我們將執(zhí)行時間從幾十秒降低到了幾秒。