作者:Cameron MacLeod 翻译:老齐
最近,我读了一篇有趣的文章,文中介绍了一些未充分使用的Python特性的。在文章中,作者提到,从Python 3.2开始,标准库附带了一个内置的装饰器 functools.lru_cache 。我发现这个装饰器很令人兴奋,有了它,我们有可能轻松地为许多应用程序加速。
你可能在想,这很好,但这个装饰器究竟是什么?它提供对已构建的缓存的访问,该缓存使用LRU(译者注:Least Recently Used的缩写,即最近最少使用,是一种常用的页面置换算法,选择最近最久未使用的页面予以淘汰。)的置换策略,因此被命名为 lru_cache 。当然,这句话听起来可能有点令人胆怯,所以让我们把它分解一下。
什么是缓存?
缓存是一个可以快速访问的地方,可以在它里面存储访问速度较慢的内容。为了演示这一点,让我们以你的web浏览器为例。
从网络上读取网页可能需要几秒钟,即使是快速的网络连接也如此。在计算机时代,这个问题是永恒的。为了解决这个问题,浏览器将你已经访问过的网页存储在计算机的缓存中,这样访问速度会加快数千倍。
使用缓存下载网页的步骤如下:
虽然缓存并不会让你第一次访问网页的速度加快,但通常你是要屡次访问某一个网站页面的(想想Facebook——注:对多数国人来讲,可能不是这个网站,或者你的电子邮件),有了缓存之后,以后每次访问都会更快。
浏览器并不是唯一使用缓存的,从服务器到CPU和硬盘或SSD之间的计算机硬件,它们无处不在。从缓存中可以很快地获取数据,因此当你不止一次获取数据时,它可以大大加快程序的速度。
LRU是什么意思?
缓存只能存储有限数量的东西,而且通常它比可能存入所缓存的东西要小得多(例如,你的硬盘比互联网小得多)。这意味着有时需要将缓存中已有内容替换掉,放入其他内容。对于去掉什么的决策方法被称为置换策略。
这就是LRU的用武之地。LRU代表最近用得最少的缓存中内容,这是一种常用的缓存置换策略。
为什么置换策略很重要?
“最近使用最少”这种置换策略的基本思想是:如果你有一段时间没有访问过某个东西,你可能近期不会访问它。要使用此策略,只需在缓存已满时删除最早使用的项即可。
在上图中,缓存中的每个项都附带了访问时间。依据LRU策略,选择访问时间为2:55PM 的项作为要置换的项,因为它是最早被访问的。如果有两个对象具有相同的访问时间,那么LRU将从中随机选择一个。
这种去掉长时间不用的东西的策略,被称为Bélády的最优算法,它是置换缓存内容的最佳策略。当然,我们根本不知道未来会有什么操作。谢天谢地,在许多情况下,LRU提供了近乎最佳的性能。
怎样使用它?
functools.lru_cache 是一个装饰器,因此你可以将它放在函数的顶部:
1import functools
2
3@functools.lru_cache(maxsize=128)
4def fib(n):
5 if n < 2:
6 return 1
7 return fib(n-1) + fib(n-2)
Fibonacci数列在递归示例中经常被用到,要提升这个函数的速度,使用 functools.lru_cache 之后,不费吹灰之力,就能让这个递归函数狂飙。在我的机器上运行这些代码,得到了这个函数有缓存版本和没有缓存版本的以下结果。
1$ python3 -m timeit -s 'from fib_test import fib' 'fib(30)'
210 loops, best of 3: 282 msec per loop
3
4$ python3 -m timeit -s 'from fib_test import fib_cache' 'fib_cache(30)'
510000000 loops, best of 3: 0.0791 usec per loop
增加一行代码之后,速度提高了3565107倍。
当然,我认为很难看出你在实际中会如何使用它,因为我们很少需要计算斐波那契数列。回到web页面示例,我们可以举一个更实际的用缓存渲染前端模板的例子。
在服务器开发中,通常单个页面存储为具有占位符变量的模板。例如,下面是一个页面模板,该页面显示某一天各种足球比赛的结果。
1<html>
2 <body>
3 <h1>Matches for {{day}}</h1>
4 <table id="matches">
5 <tr>
6 <td>Home team</td>
7 <td>Away team</td>
8 <td>Score</td>
9 </tr>
10 {% for match in matches %}
11 <tr>
12 <td>{{match["home"]}}</td>
13 <td>{{match["away"]}}</td>
14 <td>{{match["home_goals"]}} - {{match["away_goals"]}}</td>
15 </tr>
16 {% endfor %}
17 </table>
18 </body>
19</html>
呈现模板时,看起来如下所示:
这是缓存的主要目标,因为每天的结果不会改变,而且很可能每天会有多次访问。下面是一个提供此模板的Flask应用程序。我引入了50ms的延迟来模拟通过网络或者从大型数据库获取匹配字典。
1import json
2import time
3from flask import Flask, render_template
4
5app = Flask(__name__)
6
7with open('match.json','r') as f:
8 match_dict = json.load(f)
9
10def get_matches(day):
11 # simulate network/database delay
12 time.sleep(0.05)
13 return match_dict[day]
14
15@app.route('/matches/<day>')
16def show_matches(day):
17 matches = get_matches(day)
18 return render_template('matches.html', matches=matches, day=day)
19
20if __name__ == "__main__":
21 app.run()
使用 requests 在不缓存的情况下获得三天的数据,在我的计算机上本地运行平均需要171ms。这还不错,但我们可以做得更好,即使考虑到人为的延迟。
1@app.route('/matches/<day>')
2@functools.lru_cache(maxsize=4)
3def show_matches(day):
4 matches = get_matches(day)
5 return render_template('matches.html', matches=matches, day=day)
在本例中,我设置了 maxsize=4 ,因为我的测试脚本只有相同的三天,最好设置2次幂。使用这种方法,10个循环的平均速度可以降到13.7ms。
还有什么应该知道?
Python文档虽然很详细,但是有一些东西还是要强调的。
装饰器附带了一些很有用的内置函数。 cache_info() 返回访问数(hits)、未访问数(misses)和当前缓存使用量(currsize)、最大容量(maxsize),帮助你了解缓存使用情况。 cache_clear() 将删除缓存中的所有元素。
通常,只有在以下情况下才能使用缓存:
原文链接:
https://www.cameronmacleod.com/blog/python-lru-cache
END