在Python中，`functools`模块提供了一个非常有用的装饰器`lru_cache()`，它实现了最近最少使用（Least Recently Used, LRU）缓存策略。

在Python中，functools模块提供了一个非常有用的装饰器lru_cache()，它实现了最近最少使用（Least Recently Used, LRU）缓存策略。当函数被调用时，其结果会被缓存起来，以便在后续相同的函数调用时直接返回缓存的结果，而不是重新计算。这可以显著提高性能，特别是当函数计算成本较高或函数调用非常频繁时。

技术名称

1. 装饰器（Decorators）：Python中的装饰器是一种高级功能，允许你在不修改函数或方法源代码的情况下，给它们添加额外的功能。
2. LRU缓存（LRU Cache）：最近最少使用缓存策略，它淘汰最长时间未被使用的数据。

Python代码示例

下面是一个使用functools.lru_cache()的示例：

import functools
import time

@functools.lru_cache(maxsize=128)  # 缓存最多128个结果
def fibonacci(n):
    """计算斐波那契数列的第n项"""
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

# 第一次调用，计算fibonacci(10)，并将结果缓存
start_time = time.time()
print(fibonacci(10))  # 输出斐波那契数列的第10项
print(f"计算时间: {time.time() - start_time:.6f}秒")

# 第二次调用，直接从缓存中获取fibonacci(10)的结果，不进行计算
start_time = time.time()
print(fibonacci(10))  # 再次输出斐波那契数列的第10项
print(f"缓存获取时间: {time.time() - start_time:.6f}秒")

# 清除缓存（可选）
fibonacci.cache_clear()

# 你可以通过fibonacci.cache_info()查看缓存的详细信息
print(fibonacci.cache_info())

注意：由于斐波那契数列的计算是递归的，并且对于较大的n值，计算成本会非常高。使用lru_cache()可以显著提高性能，因为它避免了重复计算相同的结果。在上面的示例中，你可以看到第二次调用fibonacci(10)时几乎不花费时间，因为结果直接从缓存中获取。