|
Декоратор lru_cache модуля functoolsКурс по стандартной библиотеке: https://stepik.org/a/259466?utm_source=proproprogs На этом занятии мы с вами рассмотрим еще один декоратор lru_cache из модуля functools. Как можно понять из его названия, он позволяет кэшировать результаты вызываемых объектов, в частности, функций. Вообще аббревиатура LRU означает «Least Recently Used», то есть это кэш, который сохраняет результаты наиболее часто используемых вычислений, уменьшая нагрузку на процессор для ускорения работы программы. Принцип работы декоратора lru_cache, применительно к какой-либо функции, заключается в сохранении в памяти (кэше) результатов ее работы. Когда функция вызывается с одними и теми же аргументами повторно, её результат берётся непосредственно из кэша, минуя повторное исполнение самого тела функции. При этом кэш постоянно обновляется, чтобы в нем присутствовали только наиболее употребительные элементы.
Давайте посмотрим на конкретном примере использование этого декоратора. Чтобы лучше была видна работа декоратора lru_cache, мы возьмем рекурсивную функцию, которая вычисляет n-е число Фибоначчи: def fib(n): if n <= 1: return 1 return fib(n-1) + fib(n-2) Функция fib() специально не оптимизирована. Замерим время ее выполнения без каких-либо декораторов: print(timeit.timeit(lambda: fib(30), number=1)) # 0.0881322999484837 И с декоратором lru_cache: @functools.lru_cache() def fib(n): if n <= 1: return 1 return fib(n-1) + fib(n-2) print(timeit.timeit(lambda: fib(30), number=1)) # 2.340017817914486e-05 Как видите, время выполнения значительно сократилось из-за кэширования предыдущих вычислений функции fib(). По умолчанию декоратор lru_cache() ограничивается 128 элементами. Но мы можем установить свое ограничение любым числом степени 2, например, 2 элемента: @functools.lru_cache(maxsize=2) def fib(n): ... Соответственно, в кэше будут сохраняться два последних вызова функции fib() и время выполнения увеличится: print(timeit.timeit(lambda: fib(30), number=1)) # 0.004572800127789378 Или же установить размер кэша в 256 элементов: @functools.lru_cache(maxsize=256) def fib(n): ... Тогда получим гораздо более быстрое выполнение рекурсивной функции. В случаях, когда требуется неограниченный размер кэша, параметр maxsize следует задать значением None: @functools.lru_cache(maxsize=None) # неограниченный эш def fib(n): ... Итак, декоратор lru_cache работает по следующим правилам:
Мало того функция, декорированная с помощью lru_cache, приобретает два встроенных метода: print(fib.cache_info()) # возвращает информацию о текущем состоянии кэша fib.cache_clear() # очищает кэш Таким образом, декоратор lru_cache помогает оптимизировать производительность приложений, сокращая затраты на постоянные обращения к медленным операциям (таким как сетевые запросы, операции ввода-вывода или длительные вычисления). Это простое и эффективное решение для повышения скорости обработки запросов и снижения нагрузки на систему. Курс по стандартной библиотеке: https://stepik.org/a/259466?utm_source=proproprogs Видео по теме |
