Python @lru_缓存装饰器缓存未命中过多

如何配置

lru\u cache

根据接收到的实际值为其缓存设置键，而不是如何调用函数

>>> from functools import lru_cache
>>> @lru_cache
... def f(x=2):
...     print("reticulating splines...")
...     return x ** 2
...
>>> f()
reticulating splines...
4
>>> f(2)
reticulating splines...
4
>>> f(x=2)
reticulating splines...
4

---

换句话说，只有上面的第一个调用应该是缓存未命中，另外两个应该是缓存命中。

要做到这一点，您必须经历将参数绑定到形式参数的过程。实际的实现过程是在没有公共接口的C代码中实现的，但是在中有一个（慢得多的）重新实现。这比正常使用

functools.lru\u缓存大约慢100倍：

import functools
import inspect

def mycache(f=None, /, **kwargs):
    def inner(f):
        sig = inspect.signature(f)
        f = functools.lru_cache(**kwargs)(f)
        @functools.wraps(f)
        def wrapper(*args, **kwargs):
            bound = sig.bind(*args, **kwargs)
            bound.apply_defaults()
            return f(*bound.args, **bound.kwargs)
        return wrapper
    if f:
        return inner(f)
    return inner

@mycache
def f(x):
    print("reticulating splines...")
    return x ** 2

如果该方法的性能损失太大，您可以改为使用以下技巧，这需要更多的代码复制，但运行速度要快得多，仅比正常情况下使用
lru_cache
慢2倍左右（有时更快，带有关键字参数）：

这使用了更快的C级参数绑定来规范化对已记忆助手函数的调用，但需要复制函数的参数3次：一次在外部函数的签名中，一次在助手的签名中，并且在调用帮助程序时执行一次。
do state:Distinct参数模式可能被认为是具有单独缓存项的不同调用。例如，f（a=1，b=2）和f（b=2，a=1）的关键字参数顺序不同，可能有两个单独的缓存项。看起来您可以使用
f.cache_info（）
方法查看实际的缓存命中/未命中。我知道，但我认为这不是一个合理的默认行为-这些调用在所有实际用途上都是相同的。我希望以某种方式包装（或替换）lru缓存，以避免同一基础调用的所有不同拼写的缓存未命中。@bnaecker:不，因为问题试图实现的行为取决于函数签名，而函数签名是
make_key
不知道的。为什么是
f（）
和
f（x=2）
不一样吗？在这两种情况下，
args=（）
和
kwds={'x'：2}
不是吗？@mkrieger1:no。默认值不是关键字参数。效果很好。你的C怎么样？是否有兴趣将CPython PR直接添加到
lru\u缓存中的“normalize”参数组合在一起？
@functools.lru_cache
def _f(x):
    print("reticulating splines...")
    return x ** 2

def f(x=2):
    return _f(x)