Python 怎么用 functools.lru_cache 缓存函数结果提升性能？

Question

仓乃文 · Accepted Answer

纯函数（相同输入永远返回相同结果）被重复调用时，每次都重新计算浪费性能。functools.lru_cache 装饰器自动缓存函数返回值，再次调用相同参数时直接返回缓存结果，递归和配置解析场景性能提升可达数十倍。

基本用法：
```python
from functools import lru_cache

@lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

fibonacci(100)  # 第一次计算
fibonacci(100)  # 直接返回缓存，瞬间完成
```

缓存配置解析结果：
```python
@lru_cache(maxsize=1)
def load_config():
    with open("config.json") as f:
        return json.load(f)

# 多次调用只读一次文件
config = load_config()
```

查看缓存状态：
```python
fibonacci.cache_info()
# CacheInfo(hits=98, misses=101, maxsize=128, currsize=101)

fibonacci.cache_clear()  # 清空缓存
```

补充说明：
- maxsize=None 表示缓存无上限，适合参数范围有限的情况
- Python 3.9+ 可以用 @cache 代替 @lru_cache(maxsize=None)，更简洁
- 被缓存的函数参数必须是可哈希的（不能用 list、dict 等）
- 缓存是线程安全的，多线程环境无需加锁
- 适合递归、API 请求去重、配置解析、数学计算等场景