【Python】提高函数调用效率：使用缓存装饰器实现简单的记忆化

缓存是一种避免重复计算和加速程序运行的常用技术。

幸运的是，在大多数情况下，我们不需要编写自己的缓存代码，因为Python已经提供了一个现成的解决方案——@functools.cache装饰器。

例如，以下代码展示了两个斐波那契数列生成函数的对比，其中一个应用了缓存装饰器，另一个则没有：

---

import timeit
import functools

def fibonacci(n):
    if n in (0, 1):
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

@functools.cache
def fibonacci_cached(n):
    if n in (0, 1):
        return n
    return fibonacci_cached(n - 1) + fibonacci_cached(n - 2)

# Test the execution time of each function
print(timeit.timeit(lambda: fibonacci(30), number=1))
# 0.09499712497927248
print(timeit.timeit(lambda: fibonacci_cached(30), number=1))
# 6.458023563027382e-06

---

测试结果清楚地展示了functools.cache装饰器是如何使我们的代码运行得更快的。

普通的fibonacci函数效率不高，特别是在计算诸如fibonacci(30)这样的结果时，它会重复计算多次相同的斐波那契数。

而使用了缓存的版本则显著加快了计算速度，原因是它缓存了之前计算的结果。这意味着每个斐波那契数只计算一次，之后相同参数的调用会直接从缓存中获取结果。

只需简单添加一个内置的装饰器，就能实现这样显著的性能提升，这正是典型的Pythonic风格。