【python】functools.lru_cache自动缓存

原创已于 2026-02-10 11:00:31 修改 · 585 阅读

13 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#python #lru_cache #缓存

于 2026-02-10 10:51:00 首次发布

Python 专栏收录该内容

21 篇文章

订阅专栏

文章目录

基本介绍
在递归中的应用
缓存清空

基本介绍

lru_cache是Python3.2版本在functools标准模块中引入的装饰器，用于实现最近最少使用（Least Recently Used, LRU）缓存策略，适用于所有相同输入对应相同输出的确定性函数，即缓存函数的参数和返回值的映射，只要下次调用参数相同，就直接返回缓存的结果，不再执行函数体。

工作原理：

缓存命中：当使用相同的参数调用被装饰的函数时，函数不会真正执行，而是直接从缓存中返回结果。
缓存未命中：当参数不在缓存中时，函数正常执行，并将结果存入缓存。
缓存淘汰：当缓存（不同参数个数）达到设定的最大容量（由 maxsize参数指定）时，它会自动淘汰最久未被使用的结果，以控制内存占用。

可通过参数maxsize=n指定缓存的最大容量，参数值为None表示无限制缓存，会缓存所有不同参数组合的函数返回值，性能最优但存在内存溢出的风险，根据实际情况设置。

在递归中的应用

lru_cache虽然适用于所有确定性的函数，但在递归场景中使用特别合适，因为递归场景中往往需要重复计算相同的子问题。以下面斐波那契数列为例：

def fib(num):
    if num == 0 or num == 1:
        return num
    return fib(num - 1) + fib(num - 2)

fib(5)对应的递归树：

               fib(5)
               /      \
          fib(4)      fib(3)
         /     \       /    \
     fib(3)  fib(2)  fib(2) fib(1)
    /    \    /   \   /   \
 fib(2) f(1) f(1)f(0) f(1)f(0)
 /   \
f(1) f(0)

如果不使用缓存，fib(3)和fib(2)都被重复计算了多次，如果把这棵递归树看成满二叉树，fib(n)一共有n层，每层的节点数量分别为 $2^0$ , $2^1$ , $2^2$ , …, $2^n$ , 那么总的时间复杂度 $O(2^n)$ 。

如果使用了lru，函数会在第一次计算矩形标记的fib(0)，fib(1)，…, fib(5)时将每个参数对应的函数值缓存，也就是对于fib(5)的整个计算流程中，标记的6个记录在第一次计算时未命中缓存，会执行函数并将这6个记录的结果缓存，在后续计算中直接读取圆形标记的fib(1)，fib(2)，fib(3)的缓存，直接读取3次缓存就可以直接结束整个函数。
在这里插入图片描述
对于上面的分析可使用被装饰函数的cache_info方法输出详细的缓存信息查看：

from functools import lru_cache


@lru_cache(maxsize=None)
def fib(num):
    if num == 0 or num == 1:
        return num
    return fib(num - 1) + fib(num - 2)


print(fib(5))
print(fib.cache_info())