用Python装饰器优雅实现函数缓存

装饰器是Python中一项强大而优雅的特性，它允许在不修改原函数代码的情况下增加新功能。今天我们来探讨如何使用装饰器实现一个简单的函数缓存机制。

什么是函数缓存？

函数缓存是将函数调用结果存储起来，当使用相同参数再次调用时直接返回缓存结果，避免重复计算。这对于计算成本高、频繁调用的函数尤其有用。

实现代码

import functools
from typing import Dict, Any

def cache_decorator(func):
    """简单的缓存装饰器"""
    cache: Dict[str, Any] = {
   }

    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        # 创建缓存键
        cache_key = str(args) + str(kwargs)

        # 检查是否已有缓存
        if cache_key in cache:
            print(f"使用缓存结果: {cache_key}")
            return cache[cache_key]

        # 执行函数并缓存结果
        result = func(*args, **kwargs)
        cache[cache_key] = result
        print(f"计算并缓存: {cache_key}")

        return result

    return wrapper

# 使用装饰器
@cache_decorator
def fibonacci(n: int) -> int:
    """计算斐波那契数列"""
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

# 测试
if __name__ == "__main__":
    print(fibonacci(10))  # 首次计算
    print(fibonacci(10))  # 使用缓存

代码解析

这个装饰器通过字典存储函数调用结果，缓存键由参数转换而来。functools.wraps确保装饰后的函数保留原函数的元数据。在递归调用场景中（如斐波那契数列），缓存能显著提升性能。

应用场景

• 计算密集型函数
• 数据库查询结果缓存
• API调用结果缓存
• 递归函数优化

Python标准库中的functools.lru_cache提供了更完善的实现，但理解其原理有助于我们更好地利用这一特性。装饰器的这种应用展现了Python“内置电池”哲学的魅力——用简洁的语法解决实际问题。