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'))
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(console2(3,'a'))
- print(console2(2,'b'))
- print(console2(3.0,'a'))
ほら、惊喜来了。
- 进入函数
- (3,'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)
- @lru_cache()
- def console2(a,b)
- @lru_cache(maxsize=256,typed=True)
- def console3(a,b):
- '''
- :param a:
- :param b:
- :return:
- '''
- print("进入函数")
- return (a,'a'))
- print("*" * 40)
- print(console2(3,'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))
- https://www.baidu.com
- <Response [200]>
- https://pypi.org/project/pylru/1.0.9/
- <Response [200]>
- <Response [200]>