你可能在想，這很好，但這個裝飾器究竟是什麼？它提供對已構建的快取的訪問，該快取使用lru（譯者注： least recently used的縮寫，即最近最少使用，是一種常用的頁面置換演算法，選擇最近最久未使用的頁面予以淘汰。）的置換策略，因此被命名為lru_cache。當然，這句話聽起來可能有點令人膽怯，所以讓我們把它分解一下。
什麼是快取？
快取是乙個可以快速訪問的地方，可以在它裡面儲存訪問速度較慢的內容。為了演示這一點，讓我們以你的web瀏覽器為例。
從網路上讀取網頁可能需要幾秒鐘，即使是快速的網路連線也如此。在計算機時代，這個問題是永恆的。為了解決這個問題，瀏覽器將你已經訪問過的網頁儲存在計算機的快取中，這樣訪問速度會加快數千倍。
檢查頁面的本地快取。如果頁面在那裡，返回該頁面。
將該網頁儲存在快取中，以便將來更快地訪問。
雖然快取並不會讓你第一次訪問網頁的速度加快，但通常你是要屢次訪問某乙個**頁面的（想想facebook——注：對多數國人來講，可能不是這個**，或者你的電子郵件），有了快取之後，以後每次訪問都會更快。
瀏覽器並不是唯一使用快取的，從伺服器到cpu和硬碟或ssd之間的計算機硬體，它們無處不在。從快取中可以很快地獲取資料，因此當你不止一次獲取資料時，它可以大大加快程式的速度。
快取只能儲存有限數量的東西，而且通常它比可能存入所快取的東西要小得多（例如，你的硬碟比網際網路小得多）。這意味著有時需要將快取中已有內容替換掉，放入其他內容。對於去掉什麼的決策方法被稱為置換策略。
這就是lru的用武之地。lru代表最近用得最少的快取中內容，這是一種常用的快取置換策略。
為什麼置換策略很重要？
在上圖中，快取中的每個項都附帶了訪問時間。依據lru策略，選擇訪問時間為2:55pm 的項作為要置換的項，因為它是最早被訪問的。如果有兩個物件具有相同的訪問時間，那麼lru將從中隨機選擇乙個。
這種去掉長時間不用的東西的策略，被稱為bélády的最優演算法，它是置換快取內容的最佳策略。當然，我們根本不知道未來會有什麼操作。謝天謝地，在許多情況下，lru提供了近乎最佳的效能。
functools.lru_cache是乙個裝飾器，因此你可以將它放在函式的頂部：
import functools
@functools.lru_cache(maxsize=128)
def fib(n):
if n < 2:
return 1
return fib(n-1) + fib(n-2)
複製**
functools.lru_cache之後，不費吹灰之力，就能讓這個遞迴函式狂飆。在我的機器上執行這些**，得到了這個函式有快取版本和沒有快取版本的以下結果。
$ python3 -m timeit -s 'from fib_test import fib' 'fib(30)'
10 loops, best of 3: 282 msec per loop
$ python3 -m timeit -s 'from fib_test import fib_cache' 'fib_cache(30)'
10000000 loops, best of 3: 0.0791 usec per loop
複製**
當然，我認為很難看出你在實際中會如何使用它，因為我們很少需要計算斐波那契數列。回到web頁面示例，我們可以舉乙個更實際的用快取渲染前端模板的例子。
在伺服器開發中，通常單個頁面儲存為具有佔位符變數的模板。例如，下面是乙個頁面模板，該頁面顯示某一天各種足球比賽的結果。
"matches">
home team
away team
score
}}} - }
複製**
這是快取的主要目標，因為每天的結果不會改變，而且很可能每天會有多次訪問。下面是乙個提供此模板的flask應用程式。我引入了50ms的延遲來模擬通過網路或者從大型資料庫獲取匹配字典。
import json
import time
from flask import flask, render_template
with open('match.json','r') as f:
match_dict = json.load(f)
def get_matches(day):
# simulate network/database delay
time.sleep(0.05)
return match_dict[day]
def show_matches(day):
matches = get_matches(day)
return render_template('matches.html', matches=matches, day=day)
if __name__ == "__main__":
複製**
requests在不快取的情況下獲得三天的資料，在我的計算機上本地執行平均需要171ms。這還不錯，但我們可以做得更好，即使考慮到人為的延遲。
@functools.lru_cache(maxsize=4)
def show_matches(day):
matches = get_matches(day)
return render_template('matches.html', matches=matches, day=day)
複製**
在本例中，我設定了maxsize=4，因為我的測試指令碼只有相同的三天，最好設定2次冪。使用這種方法，10個迴圈的平均速度可以降到13.7ms。
python文件雖然很詳細，但是有一些東西還是要強調的。
裝飾器附帶了一些很有用的內建函式。cache_info()返回訪問數（hits）、未訪問數（misses）和當前快取使用量（currsize）、最大容量（maxsize），幫助你了解快取使用情況。cache_clear()將刪除快取中的所有元素。
通常，只有在以下情況下才能使用快取：
如何讓MySQL語句執行加速？
一開啟科技類論壇，最常看到的文章主題就是mysql效能優化了，為什麼要優化呢？因為 就是咱們說的 效能問題 程式設計師一遇到它總是焦頭爛額！今天對mysql優化總結了一些心得，希望在大家之後的工作中能有所有幫助！like模糊查詢形如 aaa 和 aaa 將不會使用索引，但是業務上不可避免可能又需要使...
使用numba加速python程式
前面說過使用cython來加速python程式的執行速度，但是相對來說程式改動較大，這次就說一種簡單的方式來加速python計算速度的方法，就是使用numba庫來進行，numba庫可以使用jit技術即時編譯，達到高效能，另外也可以使用cuda gpu的計算能力來加速，對python來說是乙個提速非常...
如何加速你的PHP程式
我一直認為php的執行速度是非常的理想的，尤其是zend引擎的加速之後。但是php仍然有加速的可能，你知道嗎？所有的一切都始於如何優化php的編譯 嘗試使用針對cpu型號的特殊編譯引數 msse mmmx mfpmath sse 在編譯的時候新增 03引數 編譯的時候調節cpu的引數 march m...