Python类实例方法memoization能否使用functools.cache？性能如何？

1. @functools.cache 用于实例方法的影响 #

确实会因为入参包含self产生问题，不止是性能，还有更严重的内存泄漏风险：

• 性能层面：@cache默认会把所有入参（包括self实例本身）作为缓存键的组成部分，实例数量多的时候，缓存条目会成倍膨胀：比如你创建1000个Test实例，每个都调用一次test(1,2)，缓存里会存储1000条独立的条目，而不是复用1条。条目越多哈希冲突概率越高，查找开销也会随之上升。
• 内存泄漏层面：@cache的缓存是挂载在函数对象上的全局缓存，会持有self的强引用，哪怕你外部把实例销毁了，缓存里的引用还在，实例永远不会被垃圾回收，内存占用会只增不降。

2. 手写实例缓存和@cache的性能对比 #

两者的功能逻辑本身就不一样，性能表现分场景：

• 如果你的实例数量很少：@cache因为底层是CPython的C实现，单次命中的查找开销会比你手写的Python层字典操作略快一点。
• 如果实例数量多、调用参数组合多：@cache的缓存条目会快速膨胀，这时候你手写的每个实例独立维护小缓存的方案，查找效率反而更高，而且不会有内存泄漏的问题，实例销毁时缓存也会跟着释放。
• 额外的灵活性优势：手写缓存你可以自由加淘汰逻辑，比如限制缓存大小、定期清理过期条目，@cache默认无上限，除非你手动设置maxsize，但还是解决不了self导致的缓存冗余和内存泄漏问题。

如果你不想手写缓存，又要给实例方法加缓存，可以用functools.cached_property（针对无入参的属性方法），或者第三方库提供的@cachedmethod类方法专用缓存装饰器，本质就是帮你封装了和你手写逻辑一致的、把缓存存在实例身上的实现。

内容的提问来源于stack exchange，提问作者Ben