[Hàm Trang Trí Python] Bộ Nhớ Đệm
By hientd, at: 18:00 Ngày 02 tháng 5 năm 2023
Thời gian đọc ước tính: __READING_TIME__ minutes
![[Python Decorators] Cache](/media/filer_public_thumbnails/filer_public/55/9d/559d12a6-7bf0-46d3-b089-88bd4008a194/python_decorators_-_cache.png__1500x900_crop_subsampling-2_upscale.png)
![[Python Decorators] Cache](/media/filer_public_thumbnails/filer_public/55/9d/559d12a6-7bf0-46d3-b089-88bd4008a194/python_decorators_-_cache.png__400x240_crop_subsampling-2_upscale.png)
Bộ trang trí Cache
Bộ trang trí cache
trong Python giúp tối ưu hiệu năng bằng cách lưu trữ kết quả của các cuộc gọi hàm tốn kém và trả về kết quả được lưu trong bộ nhớ cache khi các đầu vào giống nhau xuất hiện lại. Điều này đặc biệt hữu ích cho các hàm được gọi thường xuyên với các đối số giống nhau.
Dưới đây là cách bạn có thể sử dụng bộ trang trí cache
:
from functools import cache
@cache
def fib(n):
if n < 2:
return n
return fib(n-1) + fib(n-2)
print(fib(10)) # Kết quả: 55
Giải thích
- @cache: Bộ trang trí này tự động lưu trữ kết quả của hàm được trang trí.
- Hàm fib: Một hàm Fibonacci đơn giản, có lợi từ việc lưu trữ trong bộ nhớ cache vì nó tránh các phép tính dư thừa.
Lợi ích
- Hiệu năng: Giảm thời gian tính toán cho các hàm tốn kém hoặc được gọi thường xuyên.
- Hiệu quả: Tiết kiệm tài nguyên bằng cách tránh các phép tính lặp lại.
Trường hợp sử dụng
- Tính toán toán học: Các hàm thực hiện các phép tính nặng với các bài toán con chồng chéo.
- API: Lưu trữ trong bộ nhớ cache các phản hồi API để giảm tải và độ trễ.
Kết luận
Việc sử dụng bộ trang trí cache
có thể cải thiện đáng kể hiệu năng của các ứng dụng Python của bạn bằng cách lưu trữ kết quả của các cuộc gọi hàm tốn kém, giúp mã của bạn hiệu quả hơn và nhanh hơn.
Xem các bộ trang trí của chúng tôi: