采用Pythonic方式追踪缓存变量/函数的依赖关系

实现缓存机制是提高代码效率的一种常见方式。然而，由于不正确的缓存依赖，开发人员经常遇到缓存失效，最终导致性能下降。为避免这种情况，我们需要在Python中采用一种Pythonic的方法来追踪缓存数据的依赖。

一种使用Pythonic风格的缓存实现方法是使用lru_cache装饰器。该装饰器可用于缓存简单的函数调用，并使用哈希表来存储函数的输入和输出。在函数被调用时，lru_cache会检查输入是否与之前的输入相同。如果是，则返回缓存的输出。如果不是，则调用函数，将输出添加到哈希表中，然后将其返回。

虽然该方法可以有效地缓存函数调用，但它并不能很好地处理函数间的依赖关系。在某些情况下，一个函数调用结果的变化可能会影响到其他函数的结果。

为了解决这个问题，我们可以使用函数的缓存版本来监控函数调用的依赖项。每当我们在一个函数中调用另一个函数时，我们应该使用该函数的缓存版本，而不是直接调用该函数。这样，我们就可以追踪到每个函数依赖于哪些数据，从而正确地保持缓存。

下面是一个示例：

from functools import lru_cache

@lru_cache(maxsize=128)
def cached_func_1(arg):
    return arg * 2

@lru_cache(maxsize=128)
def cached_func_2(arg):
    return cached_func_1(arg) + 10

@lru_cache(maxsize=128