一段非常简单代码
普通调用方式
def console1(a, b): print("进入函数") return (a, b) print(console1(3, 'a')) print(console1(2, 'b')) print(console1(3.0, 'a'))
很简单的一段代码,传入两个参数。然后打印输出。输出结果
进入函数 (3, 'a') 进入函数 (2, 'b') 进入函数 (3.0, 'a')
使用某个装饰器后
接下来我们引入functools模块的lru_cache,python3自带模块。
from functools import lru_cache @lru_cache() def console2(a, b): print("进入函数") return (a, b) print(console2(3, 'a')) print(console2(2, 'b')) print(console2(3.0, 'a'))
ほら、惊喜来了。
进入函数 (3, 'a') 进入函数 (2, 'b') (3, 'a')
我们发现,少了一次进入函数的打印,这是怎么回事呢?这就是接下来要说的LRU缓存技术了。
我们理解下什么是LRU
LRU (Least Recently Used) 是缓存置换策略中的一种常用的算法。当缓存队列已满时,新的元素加入队列时,需要从现有队列中移除一个元素,LRU 策略就是将最近最少被访问的元素移除,从而腾出空间给新的元素。
python中的实现
python3中的functools模块的lru_cache实现了这个功能,lru_cache装饰器会记录以往函数运行的结果,实现了备忘(memoization)功能,避免参数重复时反复调用,达到提高性能的作用,在递归函数中作用特别明显。这是一项优化技术,它把耗时的函数的结果保存起来,避免传入相同的参数时重复计算。
带参数的lru_cache
使用方法lru_cache(maxsize=128, typed=False)maxsize可以缓存最多个此函数的调用结果,从而提高程序执行的效率,特别适合于耗时的函数。参数maxsize为最多缓存的次数,如果为None,则无限制,设置为2的n次幂时,性能最佳;如果 typed=True,则不同参数类型的调用将分别缓存,例如 f(3) 和 f(3.0),默认False来一段综合代码:
from functools import lru_cache def console1(a, b): print("进入函数") return (a, b) @lru_cache() def console2(a, b): print("进入函数") return (a, b) @lru_cache(maxsize=256, typed=True) def console3(a, b): ''' :param a: :param b: :return: ''' print("进入函数") return (a, b) print(console1(3, 'a')) print(console1(2, 'b')) print(console1(3.0, 'a')) print("*" * 40) print(console2(3, 'a')) print(console2(2, 'b')) print(console2(3.0, 'a')) print("*" * 40) print(console3(3, 'a')) print(console3(2, 'b')) print(console3(3.0, 'a'))
同样的可以用到爬虫的去重操作上,避免网页的重复请求。在后期存储的时候做判断即可。
from functools import lru_cache from requests_html import HTMLSession session=HTMLSession() @lru_cache() def get_html(url): req=session.get(url) print(url) return req urllist=["https://www.baidu.com","https://pypi.org/project/pylru/1.0.9/","https://www.baidu.com"] if __name__ == '__main__': for i in urllist: print(get_html(i))
输出
https://www.baidu.com <Response [200]> https://pypi.org/project/pylru/1.0.9/ <Response [200]> <Response [200]>
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持亿速云。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。