不懂算法照样能优化性能,Python内置的lru_cache用起来

你没系统学过算法，平时写代码也跑得挺顺。但项目数据量一大，函数重复调用时电脑就开始卡。这时候你不需要啃《算法导论》，Python自带的一个小工具就能解决问题。它叫lru_cache，一个装饰器。

先说你遇到的情况。你写了个函数，比如从数据库里查用户信息，或者计算某个复杂公式。每次调用它，都得从头算一遍。如果同一个参数被反复传进来，电脑就得反复算。时间都浪费在重复劳动上。

lru_cache 干的事很简单。它帮你把函数的计算结果存起来。下次你用同样的参数调用，它直接返回存好的结果，不再执行函数内部代码。这就好比你把常用电话号码存进通讯录，不用每次都翻本子重新找。

怎么用？就一行代码。你写好函数后，在它上面加个 @functools.lru_cache。别忘了先导入 functools 这个模块。看个例子：

from functools import lru_cache
@lru_cache(maxsize=128)
def get_customer_info(customer_id):
     这里放你原本的查询代码
    return result

函数名字前面那个符号，是Python装饰器的写法。你不用纠结它的原理，照着用就行。maxsize 参数控制缓存大小。128表示最多存128个不同参数的结果。如果超过这个数，它会自动删除最久没用的那个结果，腾出地方给新的。

你可能会问，缓存多了会不会太占内存？不用担心。lru_cache 的名字本身就说明白了。LRU三个字母，是“最近最少使用”的意思。它只保留你最近经常用的结果。不常用的结果，会被自动清理掉。内存压力很小。

什么场景下效果最明显？我告诉你几个典型的。第一个是递归函数。比如计算斐波那契数列，没有缓存时，n=40就要算几秒钟。加了 lru_cache，n=100都瞬间出结果。第二个是数据查询。如果你的函数去查同一个API或者同一个数据库记录，缓存能让你快几十倍。第三个是复杂计算。比如图片处理、正则匹配、JSON解析。同样的输入，只算一次。

使用中有两个小地方要注意。如果函数的参数是可变对象，比如列表或字典，缓存会失效。你得确保参数是可哈希的，比如整数、字符串、元组。另一个是如果你函数的返回值随时间变化，比如当前时间戳、随机数，就不能用缓存。它会返回旧值，不符合你的预期。

清理缓存的方法也简单。调用 函数名.cache_clear() 就能清除所有存好的结果。你可以在程序重启或者数据更新后执行这句。

网上很多教程把这事讲得特别深，又是哈希表又是双向链表。你不用管那些。你只要记住，当你发现某个函数被反复用相同的参数调用，就在它头上加一行 @lru_cache。性能能快好几个数量级。代码就多了一行，也不用你懂计算机原理。这个便宜不占白不占。下次你写代码卡的时候，试试这个法子。效果立竿见影。