如何使用Cache()函数在Python中缓存重复数据

在Python中，可以使用functools模块中的lru_cache()函数来缓存计算结果。lru_cache()函数是Least Recently Used (LRU)缓存的一种实现，它能够保存最近使用的数据，并根据内存的限制淘汰最近不使用的数据。

下面是使用lru_cache()函数的一个例子：

from functools import lru_cache

@lru_cache(maxsize=128)
def fibonacci(n):
    if n <= 1:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(10))  # 第10个斐波那契数为55

在上面的例子中，我们定义了一个fibonacci()函数来计算斐波那契数列的第n个数。为了加速计算过程，我们使用了lru_cache()函数来缓存计算结果。maxsize参数指定了缓存的最大大小，这里我们设置为128。当函数第一次被调用时，lru_cache()会创建一个空的缓存。之后，每当该函数被调用时，它会首先检查缓存中是否已经保存了该参数对应的计算结果。如果有，则直接返回缓存中的结果；否则，计算并保存该结果，并返回。

lru_cache()函数可以缓存任何可哈希的输入参数。如果函数的参数是不可哈希的（例如列表、字典等），可以使用cached()装饰器函数来替代lru_cache()函数，其用法和效果类似。

除了上面的maxsize参数，lru_cache()函数还提供了typed参数。如果将typed=True，则不同类型的参数会分别缓存计算结果。例如，fibonacci(10)和fibonacci(10.0)会被分别缓存。

虽然lru_cache()函数非常方便，但它并不适合所有的场景。当函数的参数是巨大的数据结构，或者函数的计算结果会随时间不断变化时，lru_cache()的缓存可能会占用大量的内存，并且无法及时更新。对于这些情况，开发者可能需要自行实现更复杂的缓存策略。