R Markdown与Knitr智能缓存：如何让缓存感知外部输入参数？

当然没问题！Knitr早就考虑到这种依赖外部参数的缓存场景了，核心就是用**cache.extra**选项来让缓存系统感知外部输入的变化。下面我给你一步步拆解怎么实现：

基本原理 #

Knitr的缓存是通过计算代码块内容的哈希值来判断是否需要更新的。cache.extra的作用是把你指定的外部参数/值也加入到这个哈希计算里——只要cache.extra对应的内容发生变化，Knitr就会认为代码块的依赖变了，自动重新运行并更新缓存。

具体用法 #

1. 单个外部参数 #

假设你有一个外部定义的参数（比如分析年份），只需要在代码块里把这个参数传给cache.extra就行：

---
title: "外部参数缓存示例"
output: html_document
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
# 外部参数：分析年份
target_year <- 2023

# 模拟耗时操作（比如大数据处理）
Sys.sleep(3)
cat("当前分析的年份是：", target_year)

当你把`target_year`改成2024时，这个耗时代码块会自动重新运行，而不会复用旧缓存。

### 2. 多个外部参数
如果依赖多个外部参数，把它们放进一个列表里传给`cache.extra`即可：
```r
```{r multi-param-cache, cache=TRUE, cache.extra=list(target_year, target_region)}
# 依赖年份和地区两个外部参数的耗时操作
Sys.sleep(3)
cat("分析范围：", target_year, "年，", target_region)

### 3. 依赖外部文件
如果你的代码块依赖外部数据文件（比如CSV、Excel），可以用`file.mtime()`获取文件的最后修改时间，传给`cache.extra`——这样文件内容更新时，缓存会自动刷新：
```r
```{r data-dependent-cache, cache=TRUE, cache.extra=file.mtime("raw_data.csv")}
# 读取外部数据并处理
data <- read.csv("raw_data.csv")
summary(data)

### 4. 复杂对象的处理
如果外部依赖是复杂对象（比如数据框、自定义函数），直接传对象可能会有哈希计算的问题，建议用`digest::digest()`生成唯一的哈希值：
```r
```{r complex-object-cache, cache=TRUE, cache.extra=digest::digest(complex_data_frame)}
# 基于复杂数据框的耗时分析
Sys.sleep(3)
mean(complex_data_frame$value)

（注意：需要先安装并加载`digest`包）

## 小提示
- 如果你想全局设置缓存的外部依赖，可以在`setup`代码块里用`knitr::opts_chunk$set(cache.extra = your_global_param)`，这样所有开启缓存的代码块都会继承这个设置。
- 可以用`knitr::clean_cache()`手动清理指定代码块的缓存，方便测试。

内容的提问来源于stack exchange，提问作者Mikey Harper