一、lru_cache的核心原理

functools.lru_cache是Python标准库提供的装饰器，实现最近最少使用（LRU）缓存策略。其核心特点包括：

• 自动缓存函数调用结果
• 默认缓存128个最近结果（可自定义）
• 基于参数哈希值建立缓存键
• 线程安全实现

from functools import lru_cache

@lru_cache(maxsize=32)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

二、高级用法与参数详解

1. 缓存大小调优

maxsize参数控制缓存容量，设置为None表示无限制（慎用）：

@lru_cache(maxsize=256)  # 适合中等规模计算
def process_data(data_id):
    # 耗时数据处理逻辑
    ...

2. 类型敏感模式

设置typed=True时，区分参数类型：

@lru_cache(typed=True)
def convert_value(x):
    return str(x)

convert_value(5)   # 缓存键: (5,)
convert_value(5.0)  # 不同缓存键: (5.0,)

三、实战案例：Web API响应缓存

构建带缓存的天气查询服务：

import requests
from functools import lru_cache
from datetime import timedelta

@lru_cache(maxsize=100, typed=False)
def get_weather(city: str, country: str):
    """缓存天气API响应，有效减少API调用"""
    base_url = "https://api.openweathermap.org/data/2.5/weather"
    params = {
        'q': f"{city},{country}",
        'appid': 'your_api_key',
        'units': 'metric'
    }
    response = requests.get(base_url, params=params)
    response.raise_for_status()
    return response.json()

# 首次调用实际请求API
weather1 = get_weather("Beijing", "CN")  
# 相同参数直接返回缓存
weather2 = get_weather("Beijing", "CN")

缓存命中率可通过get_weather.cache_info()查看：

CacheInfo(hits=1, misses=1, maxsize=100, currsize=1)

四、性能对比测试

使用timeit模块测试斐波那契数列计算的性能差异：

五、注意事项与最佳实践

1. 避免缓存可变对象，可能导致内存泄漏
2. 对纯函数使用（输出仅依赖输入）
3. 定期调用cache_clear()防止内存增长
4. 不适合高频变化的数据场景