Google OR Tools带时间窗VRP开发：选lru_cache还是升级用@cache？

核心结论 #

单纯为了使用@cache装饰器不需要升级Python 3.9，现有3.7版本的@lru_cache已经可以实现完全一致的效果

两种装饰器的底层差异 #

• Python 3.9新增的functools.cache本质是functools.lru_cache(maxsize=None)的语法糖，底层实现逻辑完全一致，没有额外的性能优化
• 你当前使用的Python 3.7.4完全支持lru_cache，只需要配置@lru_cache(maxsize=None)即可获得和@cache完全相同的无大小限制缓存能力

OR-Tools VRP场景缓存注意事项 #

• 缓存仅适用于参数为可哈希类型的函数，比如距离矩阵计算、时间窗规则校验、需求点属性预处理这类逻辑
• OR-Tools的路由模型实例、求解器实例属于不可哈希类型，无法作为缓存键，不要尝试对这类实例相关的方法加缓存

升级Python 3.9的额外参考收益（可选） #

如果没有旧代码兼容性限制，升级到3.9也有额外好处，可根据自身情况判断：

• Python 3.7已经停止官方维护，3.9版本有更高的安全性、bug修复，部分原生运算性能比3.7高5%~10%
• 新版Google OR-Tools已经逐步停止对Python 3.7的支持，后续如果要升级OR-Tools获取最新的VRP求解优化，升级Python版本是必要前提

内容的提问来源于stack exchange，提问作者Hanna