Python LRU - хранитель кэша в экземпляре

Использование декоратора LRU Cache, найденного здесь: http://code.activestate.com/recipes/578078-py26-and-py30-backport-of-python-33s-lru-cache/

from lru_cache import lru_cache
class Test:
    @lru_cache(maxsize=16)
    def cached_method(self, x):
         return x + 5

Я могу создать декорированный метод класса с этим, но он создает глобальный кеш, который применяется к экземплярам all класса Test. Тем не менее, я решил создать кеш для каждого экземпляра. Поэтому, если бы я должен был создать три теста, у меня было бы 3 кэша LRU, а не 1 LRU-кеш, что для всех трех экземпляров.

Единственное, что у меня есть, это когда вы вызываете cache_info() для разных методов оформления экземпляров класса, все они возвращают одну и ту же статистику кеша (что крайне маловероятно, если они взаимодействуют с очень разными аргументами ):

CacheInfo(hits=8379, misses=759, maxsize=128, currsize=128)
CacheInfo(hits=8379, misses=759, maxsize=128, currsize=128)
CacheInfo(hits=8379, misses=759, maxsize=128, currsize=128)

Есть ли декоратор или трюк, который позволил бы мне легко заставить этого декоратора создать кэш для каждого экземпляра класса?

Ответы

Ответ 1

Предполагая, что вы не хотите изменять код (например, потому что хотите иметь возможность просто подключиться к 3.3 и использовать stdlib functools.lru_cache, или используйте functools32 из PyPI вместо копирования и вставки рецепта в свой код), есть одно очевидное решение: Создайте новый обработанный экземпляр методом с каждым экземпляром.

class Test:
    def cached_method(self, x):
         return x + 5
    def __init__(self):
         self.cached_method = lru_cache(maxsize=16)(self.cached_method)

Ответ 2

Как об этом: декоратор функции, который обертывает метод с помощью lru_cache при первом вызове каждого экземпляра?

def instance_method_lru_cache(*cache_args, **cache_kwargs):
    def cache_decorator(func):
        @wraps(func)
        def cache_factory(self, *args, **kwargs):
            print('creating cache')
            instance_cache = lru_cache(*cache_args, **cache_kwargs)(func)
            instance_cache = instance_cache.__get__(self, self.__class__)
            setattr(self, func.__name__, instance_cache)
            return instance_cache(*args, **kwargs)
        return cache_factory
    return cache_decorator

Используйте его следующим образом:

class Foo:
    @instance_method_lru_cache()
    def times_2(self, bar):
        return bar * 2

foo1 = Foo()
foo2 = Foo()

print(foo1.times_2(2))
# creating cache
# 4
foo1.times_2(2)
# 4

print(foo2.times_2(2))
# creating cache
# 4
foo2.times_2(2)
# 4

Вот суть GitHub с некоторыми встроенными документами.

Ответ 3

В наши дни methodtools будет работать

from methodtools import lru_cache
class Test:
    @lru_cache(maxsize=16)
    def cached_method(self, x):
         return x + 5

Вам необходимо установить methodtools

pip install methodtools

Если вы все еще используете py2, то также требуется functools32

pip install functools32