浅谈 Python 中的 lru_cache 装饰器的 typed 参数
稍微了解lru_cache装饰器的开发者应该都记得：
当传给
lru_cache的typed参数为真值时，对不同类型的参数将单独缓存（比如foo(3)和foo(3.0)将分开缓存）
那么这有什么意义呢？在什么情况下需要将typed参数设为真值呢？
要不我们做个假设：如果python标准库中没有lru_cache，需要你自己编写一个，你该怎么写？
这应该不是很难（让我们先不考虑最大缓存数量限制）：
from functools import wraps
def my_lru_cache():
# _saved字典用以保存缓存的返回值
# 键为(位置参数, 关键字参数), 值为返回值
_saved = {}
def wrapper(func):
# 使用wraps装饰器, 以保留被装饰函数(func)的元数据(比如函数的名字)
@wraps(func)
def _func(*args, **kwargs):
# 别忘了字典_saved的键必须是可哈希的
# 所以需要把位置参数args(列表)和关键字参数kwargs(字典)转为可哈希的格式
args_ = tuple(args)
kwargs_ = frozenset(kwargs.items())
# args_和kwargs_必须是可哈希的
# 当位置参数和关键字参数中有不可哈希的参数时, 以下两行代码将抛出TypeError异常
hash(args_)
hash(kwargs_)
# key_将作为_saved字典的键
key_ = (args_, kwargs_)
# 当装饰器已经缓存有func函数代入位置参数args和关键字参数kwargs的返回值时
# 则在此直接返回已缓存的返回值
if key_ in _saved.keys():
# 调试: 当从_saved字典中取出已缓存的结果时, 打印一行"HIT!"
print("HIT!")
return _saved[key_]
# 否则, 正常调用func函数, 取得返回值, 并保存(缓存)到_saved字典, 最后再将返回值返回
result = func(*args, **kwargs)
_saved[key_] = result
return result
return _func
return wrapper
@my_lru_cache()
def foo(x):
return x
print(foo(1))
# Output:
# 1
print(foo(1))
# Output:
# HIT!
# 1
就这样，你成功地编写了一个lru_cache装饰器！
让我们来看看有没有可改进的地方：
我们发现：使用(位置参数, 关键字参数)作为_saved的键有点奢侈（浪费内存），既然key_是可哈希的，那么用hash(key_)能够更高效一些。
以下是第一次改进后的my_lru_cache装饰器：
from functools import wraps
def my_lru_cache():
_saved = {}
def wrapper(func):
@wraps(func)
def _func(*args, **kwargs):
args_ = tuple(args)
kwargs_ = frozenset(kwargs.items())
# <<<<<<< 旧代码
hash(args_)
hash(kwargs_)
key_ = (args_, kwargs_)
# =======
key_ = hash((args_, kwargs_))
# >>>>>>> 新代码
if key_ in _saved.keys():
print("HIT!")
return _saved[key_]
result = func(*args, **kwargs)
_saved[key_] = result
return result
return _func
return wrapper
到此，先卖个关子，让我们将视角转向Django：
假设我们在应用中定义了两个模型：
# models.py
from django.db import models
class Apple(models.Model):
pass
class Banana(models.Model):
pass
然后，假设我们创建并保存了一些Apple对象和Banana对象。
Django模型对象是可哈希的吗？当然是，让我们获取看看：
from .models import Apple, Banana
apple = Apple.objects.first()
banana = Banana.objects.first()
print(hash(apple))
# Output: 1
print(hash(banana))
# Output: 1
为什么apple和banana的哈希值都是1呢？
让我们去Django的源码中找找django.db.models.Model的__hash__方法是怎么定义的：
# django/db/models/base.py
...
class Model(metaclass=ModelBase):
...
def __hash__(self):
if self.pk is None:
raise TypeError("Model instances without primary key value are unhashable")
return hash(self.pk)
...
可以发现，对模型对象取哈希值时，返回的是模型对象主键的哈希值。
由于Apple.objects.first()和Banana.objects.first()的主键值都是1，所以hash(1) == hash(1)。
至于为什么
hash(1)刚好是1，是因为python对这些较小的数字有优化。
那么，有了hash(apple) == hash(banana)，那么是不是apple == banana？怎么可能嘛！
from .models import Apple, Banana
apple = Apple.objects.first()
banana = Banana.objects.first()
print(hash(apple) == hash(banana))
# Output: True
# apple当然不可能与banana相等, 见django.db.models.Model的__eq__方法
print(apple == banana)
# Output: False
print(apple is banana)
# Output: False
现在，让我们回过头再看刚才编写的my_lru_cache装饰器，会发现一个严重的问题：
以刚才的apple和banana举例，由于hash(apple) == hash(banana)，那么：
from .models import Apple, Banana
apple = Apple.objects.first()
banana = Banana.objects.first()
def my_lru_cache():
... # 略
@my_lru_cache()
def foo(x):
return x
print(foo(apple))
# Output:
# <Apple: Apple object (1)>
print(foo(banana))
# Output:
# HIT!
# <Apple: Apple object (1)>
看来，单纯地让(位置参数, 关键字参数)的哈希值作为_saved的键是不可取的，那么应该如何修正呢？
标准库中的lru_cache装饰器的做法是：若typed为真，在对(位置参数, 关键字参数)取哈希值时，同时也对这些参数的类型取哈希值：
# functools.py
...
class _HashedSeq(list):
... # 略
def _make_key(args, kwds, typed,
kwd_mark = (object(),),
fasttypes = {int, str},
tuple=tuple, type=type, len=len):
key = args
if kwds:
key += kwd_mark
for item in kwds.items():
key += item
if typed:
key += tuple(type(v) for v in args)
if kwds:
key += tuple(type(v) for v in kwds.values())
elif len(key) == 1 and type(key[0]) in fasttypes:
return key[0]
return _HashedSeq(key)
...
那么，我们也这样做：
from functools import wraps
def my_lru_cache(typed=False):
_saved = {}
def wrapper(func):
@wraps(func)
def _func(*args, **kwargs):
# <<<<<<< 旧代码
args_ = tuple(args)
kwargs_ = frozenset(kwargs.items())
# =======
if typed:
args_ = tuple([(arg, type(arg)) for arg in args])
kwargs_ = frozenset([
(k, (v, type(v))) for k, v in kwargs.items()
])
else:
args_ = tuple(args)
kwargs_ = frozenset(kwargs.items())
# >>>>>>> 新代码
key_ = hash((args_, kwargs_))
if key_ in _saved.keys():
print("HIT!")
return _saved[key_]
result = func(*args, **kwargs)
_saved[key_] = result
return result
return _func
return wrapper
最后再加上非常非常重要的线程锁，移除调试，这就是最终版的my_lru_cache了：
from functools import wraps
import threading
def my_lru_cache(typed=False):
_saved = {}
_lock = threading.RLock()
def wrapper(func):
@wraps(func)
def _func(*args, **kwargs):
if typed:
args_ = tuple([(arg, type(arg)) for arg in args])
kwargs_ = frozenset([
(k, (v, type(v))) for k, v in kwargs.items()
])
else:
args_ = tuple(args)
kwargs_ = frozenset(kwargs.items())
key_ = hash((args_, kwargs_))
with _lock:
if key_ in _saved.keys():
return _saved[key_]
result = func(*args, **kwargs)
with _lock:
_saved[key_] = result
return result
return _func
return wrapper
现在，你应该理解为什么lru_cache有一个可选的typed参数，以及在什么情况下需要将typed参数设为真值了吧。