上一篇
什么是cached_property？
在Python开发中，我们经常会遇到需要计算复杂属性值的情况。这些计算可能消耗大量资源（时间、CPU或内存），如果每次访问属性都重新计算，会严重影响程序性能。
cached_property 是一个装饰器，它将方法转换为属性，并在第一次访问时计算其值，然后将结果缓存起来。后续访问将直接返回缓存的值，避免重复计算。
在Python 3.8及以上版本中，cached_property作为标准库的一部分被引入，位于functools模块中。对于更早的Python版本，可以使用Django框架中的实现或自行创建。
为什么需要cached_property？
考虑以下场景：
class DataProcessor:
def __init__(self, data):
self.data = data
@property
def processed_data(self):
# 模拟耗时操作
print("执行复杂计算...")
time.sleep(2)
return [x * 2 for x in self.data]
processor = DataProcessor([1, 2, 3])
print(processor.processed_data) # 耗时2秒
print(processor.processed_data) # 再次耗时2秒每次访问processed_data属性都会重新计算，即使数据没有变化。使用cached_property可以解决这个问题：
from functools import cached_property
class DataProcessor:
def __init__(self, data):
self.data = data
@cached_property
def processed_data(self):
print("执行复杂计算...")
time.sleep(2)
return [x * 2 for x in self.data]
processor = DataProcessor([1, 2, 3])
print(processor.processed_data) # 耗时2秒
print(processor.processed_data) # 立即返回结果cached_property vs 普通property
普通@property
- 每次访问都会调用方法
- 无缓存机制
- 适用于轻量级操作
- 结果可能动态变化
@cached_property
- 仅第一次访问时计算
- 结果被缓存供后续使用
- 适用于计算密集型操作
- 结果在实例生命周期内不变
性能对比
使用cached_property的注意事项
可变性警告： 一旦属性被缓存，即使原始数据发生变化，缓存值也不会更新。因此cached_property最适合用于在实例生命周期内不会改变的派生数据。
如何清除缓存？
如果需要清除缓存（例如当基础数据发生变化时），可以直接删除该属性：
processor = DataProcessor([1, 2, 3])
print(processor.processed_data) # 计算并缓存
# 更新数据
processor.data = [4, 5, 6]
# 清除缓存
del processor.processed_data
print(processor.processed_data) # 重新计算cached_property的实现原理
了解cached_property的内部实现有助于更深入地理解其工作原理：
class cached_property:
def __init__(self, func):
self.func = func
self.attrname = None
self.__doc__ = func.__doc__
def __set_name__(self, owner, name):
self.attrname = name
def __get__(self, instance, owner=None):
if instance is None:
return self
if self.attrname is None:
raise TypeError("Cannot use cached_property instance without calling __set_name__ on it.")
cache = instance.__dict__
val = cache.get(self.attrname, cache)
if val is cache:
val = self.func(instance)
cache[self.attrname] = val
return val这个实现展示了cached_property如何利用描述符协议和实例字典来存储和检索缓存值。
cached_property的优势
性能提升
对于计算成本高的属性，避免重复计算可以显著提升程序性能，特别是在循环或频繁访问的场景中。
资源优化
减少不必要的计算可以节省CPU时间和内存资源，尤其对于处理大型数据集或复杂算法的应用。
简洁语法
提供了一种清晰简洁的方式来声明缓存属性，无需手动实现缓存逻辑，使代码更易读和维护。
线程安全
标准库的实现是线程安全的，可以在多线程环境中安全使用，无需额外的同步机制。
实际应用场景
1. 复杂数据转换
class ReportGenerator:
def __init__(self, raw_data):
self.raw_data = raw_data
@cached_property
def json_representation(self):
# 复杂的数据转换逻辑
return complex_conversion(self.raw_data)2. 依赖外部资源的计算
class GeoLocation:
def __init__(self, latitude, longitude):
self.lat = latitude
self.lon = longitude
@cached_property
def address(self):
# 调用外部API获取地址信息
return reverse_geocode(self.lat, self.lon)3. 机器学习特征提取
class DataPoint:
def __init__(self, image):
self.image = image
@cached_property
def features(self):
# 使用预训练模型提取特征
return model.extract_features(self.image)
发表评论