能否对嵌套函数使用memoise？R语言代码场景咨询

我按照建议用purrr::map而非Vectorize实现了矢量化的数据加载函数，代码结构如下：

load_data <- function(key){
  load_data_one <- function(key){
    ...
    # 根据key获取数据的逻辑
    ...
    data
  }
  # 支持传入key向量，返回合并后的结果
  result <- map_dfr(key, load_data_one) 
}

由于数据检索成本很高，我想了解memoise包在此场景下的最佳使用方式，具体疑问如下：

• 理想方案是给嵌套的load_data_one加缓存，这样调用load_data处理向量时只会计算未缓存过的key，这个思路是否正确？
• 如果转而给load_data加缓存，当传入的key向量和之前略有不同时，memoise能不能只计算新增的元素？
• 给嵌套的load_data_one用memoise有没有潜在问题？是否需要把它移到load_data外面？

1. 给嵌套的load_data_one加缓存是最优选择 #

这个思路完全正确。因为load_data_one是针对单个key的逻辑，给它加memoise后，每次调用load_data处理向量时，每个key都会先检查缓存：如果之前已经加载过这个key的数据，直接从缓存取；只有未缓存的key才会执行实际的检索逻辑，能最大化减少重复的高成本检索，完美匹配你“仅计算未知结果”的需求。

2. 给load_data加缓存无法实现“仅计算新元素” #

memoise是基于整个函数的输入参数来缓存结果的。如果两次传入的key向量哪怕只有一个元素不同，memoise都会认为是全新的输入，会重新执行整个load_data函数——也就是重新遍历所有key并执行检索，完全不会复用之前缓存过的单个key的结果。这种方式缓存粒度太粗，达不到你想要的效果，不推荐。

3. 嵌套的load_data_one使用memoise的潜在问题与解决 #

直接在load_data内部给load_data_one加memoise会有缓存失效的问题：每次调用load_data时，都会重新定义load_data_one这个函数，而memoise是绑定在函数对象上的。这意味着每次调用load_data，load_data_one都是一个新的函数实例，之前的缓存会丢失，相当于每次都要重新缓存所有key，完全起不到复用的作用。

解决方法很简单：把load_data_one移到load_data外部，然后给它加memoise。修改后的代码结构如下：

# 先定义单个key的加载函数并缓存
load_data_one <- memoise::memoise(function(key){
  ...
  # 根据key获取数据的逻辑
  ...
  data
})

# 矢量化的入口函数
load_data <- function(key){
  result <- purrr::map_dfr(key, load_data_one) 
}

这样load_data_one是一个全局的函数实例，memoise的缓存会一直保留，每次调用load_data时都能复用之前的缓存结果。

内容的提问来源于stack exchange，提问作者Hauke L.