一、前言

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

那它和redis的區別在哪？有什么優勢？怎么使用？ 下面為你講解

二、舉例說明

1.現在我們先不使用緩存來寫一個求兩數之和的函數，并調用執行它兩次：

def test(a, b):
    print('開始計算a+b的值...')
    return a + b


print('1+2等于:', test(1, 2))
print('1+2等于:', test(1, 2))

執行結果

開始計算a+b的值...
1+2等于: 3
開始計算a+b的值...
1+2等于: 3

可以看到test被執行了兩次，現在我們加上緩存再進行執行：

from functools import lru_cache

@lru_cache
def test(a, b):
    print('開始計算a+b的值...')
    return a + b

print(test(1, 2))
print(test(1, 2))

執行結果

開始計算a+b的值...
1+2等于: 3
1+2等于: 3

可以看到test函數只被執行了一次，第二次的調用直接輸出了結果，使用了緩存起來的值。

2.當我們使用遞歸求斐波拉契數列 （斐波那契數列指的是這樣一個數列：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項的斐波拉契數列

import datetime

def fibonacci(num):
	# 不使用緩存時，會重復執行函數
    return num if num < 2 else fibonacci(num - 1) + fibonacci(num - 2)

start = datetime.datetime.now()
print(fibonacci(40))
end = datetime.datetime.now()
print('執行時間', end - start)

執行時間

執行時間 0:00:29.004424

使用緩存求第40項的斐波拉契數列：

import datetime

def fibonacci(num):
	# 不使用緩存時，會重復執行函數
    return num if num < 2 else fibonacci(num - 1) + fibonacci(num - 2)

start = datetime.datetime.now()
print(fibonacci(40))
end = datetime.datetime.now()
print('執行時間', end - start)

執行時間

執行時間 0:00:00

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

三、lru_cache 用法

1.參數詳解

查看lru_cache源碼會發現它可以傳遞兩個參數：maxsize、typed：

def lru_cache(maxsize=128, typed=False):
    """Least-recently-used cache decorator.

    If *maxsize* is set to None, the LRU features are disabled and the cache
    can grow without bound.
	...
	"""

1） maxsize

代表被lru_cache裝飾的方法最大可緩存的結果數量 （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；

2）typed

默認為false，代表不區分數據類型，如果設置為True，則會區分傳參類型進行緩存，官方是這樣描述的:

如果typed為True，則將分別緩存不同類型的參數,
例如，f（3.0）和f（3）將被視為具有明顯的結果。

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都會區別緩存，這與官方文檔的描述存在差異：

from functools import lru_cache

@lru_cache
def test(a):
    print('函數被調用了...')
    return a

print(test(1.0))
print(test(1))

執行結果

函數被調用了...
1.0
函數被調用了...

但如果是多參數的情況下，則會被當成一個結果：

from functools import lru_cache

@lru_cache
def test(a, b):
    print('函數被調用了...')
    return a , b

print(test(1.0, 2.0))
print(test(1, 2))

執行結果

函數被調用了...
(1.0, 2.0)
(1.0, 2.0)

這個時候設置typed為true時，則會區別緩存：

from functools import lru_cache

@lru_cache(typed=True)
def test(a, b):
    print('函數被調用了...')
    return a , b

print(test(1.0, 2.0))
print(test(1, 2))

執行結果

函數被調用了...
(1.0, 2.0)
函數被調用了...
(1, 2)

當傳參個數大于1時，才符合官方的說法，不清楚是不是官方舉例有誤

2. lru_cache不支持可變參數

當傳遞的參數是dict、list等的可變參數時，lru_cache是不支持的，會報錯：

from functools import lru_cache

@lru_cache
def test(a):
    print('函數被執行了...')
    return a

print(test({'a':1}))

報錯結果

TypeError: unhashable type: 'dict'

四、lru_cache 與redis的區別

五、總結

經過上面的分析，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據種類比較多并且想更好的管理緩存、或者需要緩存數據有過期時間（類似登錄驗證的token）等，使用redis是優于lru_cache的。