Python中使用LRU缓存来减少重复计算的例子

Python中可以使用functools模块中的lru_cache装饰器实现LRU缓存，该装饰器可以缓存函数的结果，以避免重复计算。LRU缓存意味着最近最少使用的结果会被自动从缓存中删除。

下面是一个使用LRU缓存的例子：

from functools import lru_cache

@lru_cache(maxsize=64)
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

# 计算第30个斐波那契数列
fibonacci(30)

# 再次计算第30个斐波那契数列，此时会直接从缓存中获取结果，而不需要重新计算
fibonacci(30)

在这个例子中，我们定义了一个fibonacci函数，它用来计算斐波那契数列的第n个数。通过使用@lru_cache装饰器，我们可以启用LRU缓存。

当我们 次调用fibonacci(30)时，它会执行函数体内的递归计算，并将结果缓存起来。接下来，如果我们再次调用fibonacci(30)，那么函数就会直接从缓存中获取结果，而不需要重新计算。

通过使用LRU缓存，我们可以避免重复计算相同的斐波那契数。这在处理递归函数或者需要进行大量重复计算的情况下特别有用。

需要注意的是，@lru_cache装饰器接受一个可选的maxsize参数，用于指定缓存的大小。当达到最大缓存大小时，最久未被使用的结果将被剔除。默认情况下，maxsize为128。

总结来说，Python中使用LRU缓存可以通过functools模块中的lru_cache装饰器来实现。这是一种有效的方式来避免重复计算，特别适用于递归函数或者需要进行大量重复计算的场景。