Python 中 functools.cache 装饰器

在 编写测试case中，常遇到需重复调用、计算逻辑耗时的函数（像复杂数学运算、大量数据查询）。重复执行这类函数会浪费计算资源、拖慢程序。functools 模块的 cache 装饰器，能缓存函数调用结果，提升效率。

解析

导入

import time
from functools import cache

先导入 time 模块（用于模拟耗时操作、计算执行时间 ），再从 functools 导入 cache 装饰器，为缓存函数结果做准备。

装饰器使用

@cache
def slow_function(x):
    time.sleep(2)  # 模拟耗时计算，暂停 2 秒
    return x * x

用 @cache 装饰 slow_function 函数。当调用该函数时，若入参 x 是之前计算过的，直接取缓存结果；若没计算过，执行函数体（含 time.sleep(2) 模拟的耗时操作 ），并缓存结果，后续相同入参调用就不用再执行耗时逻辑。

时间统计

1. 1. 首次调用：

start = time.time()
print(slow_function(10))  # 首次调用，执行函数体，耗时约 2 秒
print("First call:", time.time() - start, "seconds")

记录开始时间 start ，调用 slow_function(10) 。因是首次，执行 time.sleep(2) 等逻辑，计算并打印结果 100 ，再算出并打印首次调用耗时（约 2 秒 ）。

1. 2. 二次调用：

start = time.time()
print(slow_function(10))  # 二次调用，直接取缓存，几乎不耗时
print("Second call:", time.time() - start, "seconds")

再次记录开始时间，调用 slow_function(10) 。因入参 10 已缓存，直接返回结果 100 ，耗时极短（如示例里的 5.245208740234375e-06 秒 ），打印结果和耗时。

结果分析

• • 首次调用 slow_function(10) ，函数执行完整逻辑（含 2 秒暂停 ），所以耗时约 2 秒。
• • 二次调用时，cache 装饰器直接返回缓存结果，跳过耗时逻辑，执行时间大幅缩短，体现缓存对重复调用的优化效果。

总结

functools.cache 装饰器适合优化重复调用、计算逻辑固定的函数，通过缓存结果减少不必要计算，提升程序效率。但要留意，它适用于函数入参可哈希、结果无需实时更新的场景，若函数依赖外部可变状态（如全局变量、数据库数据变化 ），需谨慎使用，避免结果不准确。

#Python #PythonFunctools