Python2环境下无第三方库实现方法结果缓存的技术咨询

我明白你的需求——要给类方法做一个记忆化缓存，还得兼容Python 2、不能用任何第三方库。你已经有了一个雏形，我来帮你完善它，顺便解释下关键细节，确保它能正确处理不同参数组合的缓存。

首先，你的原代码有两个核心问题需要解决：

1. 没有把方法参数作为缓存的一部分，这样同一个方法不管传什么参数都会用同一个缓存值，这显然不对。
2. Python 2里的字典是无序的，直接用kwargs当键会导致参数顺序不同但内容相同的调用（比如func(a=1,b=2)和func(b=2,a=1)）被当成不同的缓存项。

下面是完善后的完整代码，我会逐段解释：

import functools

def cached_method(fun):
    """A memoize decorator for class methods (Python 2 compatible, no third-party libs)."""
    @functools.wraps(fun)
    def get(self, *args, **kwargs):
        """Return cached value if exists; compute, cache and return otherwise."""
        # 初始化实例的缓存字典，如果还没有的话
        if not hasattr(self, '_cache'):
            self._cache = {}
        # 获取当前方法对应的子缓存，不存在就创建一个空字典
        method_cache = self._cache.setdefault(fun, {})
        # 把kwargs转换成排序后的元组——Python2字典无序，这样能保证参数顺序不影响缓存键
        kwargs_key = tuple(sorted(kwargs.items()))
        # 组合args和处理后的kwargs，生成唯一的缓存键
        cache_key = (args, kwargs_key)
        # 如果缓存里没有这个键，就计算结果并存进去
        if cache_key not in method_cache:
            method_cache[cache_key] = fun(self, *args, **kwargs)
        # 返回缓存值
        return method_cache[cache_key]
    return get

关键细节说明： #

• 实例级缓存：用self._cache确保每个类实例有自己独立的缓存，不会和其他实例互相干扰。我用hasattr替代了你原代码的try-except写法，逻辑更直观，也避免捕获不必要的异常。
• 参数的哈希化处理：
  • args本身是元组，天生可哈希，可以直接作为缓存键的一部分。
  • 把kwargs转换成排序后的键值对元组，这样不管参数传递顺序如何，只要键值对相同就会生成同一个缓存键，符合函数调用的逻辑。
• 保留原方法信息：functools.wraps在Python 2里是可用的，它能保留原方法的名称、文档字符串等元信息，方便你调试和查看方法的帮助文档。

使用示例 #

你可以像这样在类方法上使用这个装饰器：

class CalculationService(object):
    @cached_method
    def compute(self, base, multiplier=1):
        print("正在执行耗时计算...")
        return base * multiplier

# 测试缓存效果
service = CalculationService()
print(service.compute(5))          # 打印"正在执行耗时计算..."，然后输出5
print(service.compute(5))          # 直接输出5（命中缓存）
print(service.compute(5, 3))       # 打印"正在执行耗时计算..."，然后输出15
print(service.compute(5, multiplier=3))  # 直接输出15（命中缓存，参数顺序不影响）

注意事项 #

• 确保被装饰方法的所有参数都是可哈希类型（比如字符串、数字、元组，不能是列表、字典这类可变类型），否则无法作为缓存键使用。
• 如果需要线程安全的缓存，可以在计算和写入缓存的步骤加锁（Python 2的threading.Lock是标准库，不需要第三方依赖），但如果你的场景是单线程运行，这一步可以省略。

内容的提问来源于stack exchange，提问作者Jir