Python에서 LRU 캐시 지우기

이 기사에서는 Python으로 구현된 LRU 캐시를 지우는 방법을 알아보겠습니다. 코딩 측면에 대해 자세히 알아보기 전에 LRU 캐시가 무엇인지, 왜 인기가 있는지 조금 살펴보겠습니다.

LRU 캐시(Least Recent Used Cache)라고도 알려진 LRU 캐시는 자주 사용되는 데이터에 액세스하는 데 필요한 시간을 줄여 애플리케이션 성능을 향상시키기 위해 컴퓨터 과학에서 널리 사용되는 데이터 구조입니다. LRU 캐시는 제한된 수의 항목을 저장하고 캐시가 가득 차면 가장 최근에 사용된 항목을 삭제합니다. 이를 통해 가장 자주 사용되는 항목은 캐시에 남아 빠르게 액세스할 수 있으며, 덜 자주 사용되는 항목은 제거되어 새 항목을 위한 공간을 확보할 수 있습니다.

LRU 캐시는 디스크 I/O 또는 네트워크 액세스와 같이 데이터 검색 비용이 많이 드는 애플리케이션에 특히 유용합니다. 이러한 경우 자주 사용되는 데이터를 메모리에 캐싱하면 데이터를 검색하는 데 필요한 비용이 많이 드는 작업 수를 줄여 애플리케이션 성능을 크게 향상시킬 수 있습니다.

LRU 캐시는 데이터베이스, 웹 서버, 컴파일러 및 운영 체제를 포함한 다양한 애플리케이션에서 사용됩니다. 검색 엔진 및 데이터 분석 플랫폼과 같이 대량의 데이터에 자주 액세스해야 하는 애플리케이션에 특히 유용합니다. .

Python에서 LRU 캐시와 상호작용

Python 3.2 이상에서 functools 모듈에는 프로그래머가 LRU 캐시와 상호 작용할 수 있는 강력한 기능이 포함되어 있습니다. 이 기능은 클래스 또는 함수 정의 위에 배치된 데코레이터를 사용하여 활용할 수 있습니다. 빈번한 변수 액세스 및 변경이 필요한 경우 기능 성능이 크게 향상될 수 있습니다.

많은 양의 데이터 처리나 복잡한 계산이 필요한 기능을 작업할 때 LRU 캐시를 사용하면 실행 시간을 크게 단축할 수 있습니다. 이는 LRU 캐시가 자주 사용하는 데이터를 메모리에 저장하여 기능을 수행할 수 있기 때문입니다. 시간이 많이 걸리는 I/O 작업 비용을 들이지 않고 데이터에 빠르게 액세스하고 처리합니다.

Python 프로그래머는 LRU 캐시를 활용하여 애플리케이션의 실행 시간을 줄이고 성능을 향상시킬 수 있습니다. 이는 소규모 애플리케이션이나 실시간 데이터 처리가 필요한 애플리케이션으로 작업할 때 특히 중요합니다. 결과적으로 상당한 이득을 얻을 수 있습니다.

요약하자면, Python의 functools 모듈은 LRU 캐시와 상호작용하기 위한 강력한 메커니즘을 제공합니다. LRU 캐시를 사용하면 프로그래머는 비용이 많이 드는 변수 액세스 및 변경 작업에 필요한 시간을 줄여 애플리케이션 성능을 향상시킬 수 있습니다. LRU 캐시를 사용하면 실시간 데이터 처리가 필요하거나 대용량 데이터를 처리하는 애플리케이션에 특히 유용합니다.

이제 LRU 캐시에 대해 조금 알았으니 Python에서 활용해 보겠습니다.

Python에서 functools 모듈의 캐시 지우기() 메서드를 사용하여 LRU(최근에 사용되지 않은) 캐시를 지울 수 있습니다.

이 기술을 사용하면 캐시가 완전히 지워집니다.

예제 코드 조각

으아아아

설명

위의 예에서 some_function은 최대 128 크기의 LRU 캐시를 생성하는 lru_cache로 장식되어 있습니다. 캐시를 지우려면 함수 개체에 대해 캐시_clear() 메서드를 호출하면 됩니다. 캐시.

cache_clear()를 호출하면 모든 매개변수의 캐시가 지워진다는 점에 유의하세요. 특정 매개변수에 대한 캐시를 지우려면 functools.typed_lru_cache와 같은 다른 캐시 구현을 사용할 수 있습니다. 이를 통해 매개변수와 함께 캐시_clear() 메서드를 사용하여 특정 매개변수에 대한 캐시를 지울 수 있습니다.

이제 위 코드를 사용하여 실제 예제를 작성해 보겠습니다.

아래 표시된 코드를 고려해보세요.

Example

의 중국어 번역은 다음과 같습니다:

Example

으아아아

설명

이 예에서 fibonacci 함수는 lru_cache를 사용하여 결과를 기억합니다. 캐시의 최대 크기는 128이므로 함수는 가장 최근 128개 호출의 결과를 기억합니다.

먼저 캐시를 채우기 위해 몇 가지 인수를 사용하여 함수를 호출합니다. 그런 다음, 캐시된 결과를 사용하는 대신 동일한 인수로 함수를 다시 호출합니다.

위 코드를 실행하려면 아래 표시된 명령을 실행해야 합니다.

명령

으아아아 위 명령을 실행하면 아래와 비슷한 출력이 나올 것으로 예상됩니다.

출력

으아아아

원한다면 위 코드에서도 캐시의 현재 상태 정보를 인쇄할 수 있습니다. 이를 위해서는 캐시정보() 메소드를 사용해야 합니다.

아래에 표시된 업데이트된 코드를 고려하세요.

Example

의 중국어 번역은 다음과 같습니다:

Example

으아아아

설명

위 코드에서 @lru 캐시 데코레이터는 캐시의 최대 크기를 지정하는 선택적 매개변수 maxsize를 허용합니다.

maxsize가 정의되지 않은 경우 캐시 크기는 무제한입니다.

如果缓存已满，最近最少使用的项目将被移除，以为新项目腾出空间。

The function object itself houses the cache that @lru cache uses.

Accordingly, the cache is private to the function and is not shared by other versions of the function. Also, the different part here is the cache_info() method, which is used to print information about the LRU cache used by the fibonacci function. This includes the number of cache hits and misses, as well as the size of the cache.

要运行上述代码，我们需要运行下面显示的命令。

Command

python3 main.py

一旦我们运行上述命令，我们应该期望输出类似于下面所示的输出。

Output

55
610
CacheInfo(hits=14, misses=16, maxsize=128, currsize=16)
55
CacheInfo(hits=8, misses=11, maxsize=128, currsize=11)

现在我们已经看到了如何清除缓存，让我们在另一个例子中使用它。

考虑下面显示的代码。

Example

的中文翻译为：

示例

from functools import lru_cache

@lru_cache(maxsize=128)
def edit_distance(s1, s2):
	"""
	Compute the edit distance between two strings using dynamic programming.
	"""
	if not s1:
    	return len(s2)
	elif not s2:
    	return len(s1)
	elif s1[0] == s2[0]:
    	return edit_distance(s1[1:], s2[1:])
	else:
    	d1 = edit_distance(s1[1:], s2) + 1  # deletion
    	d2 = edit_distance(s1, s2[1:]) + 1  # insertion
    	d3 = edit_distance(s1[1:], s2[1:]) + 1  # substitution
    	return min(d1, d2, d3)

# Call the function with some arguments to populate the cache
print(edit_distance("kitten", "sitting"))  # Output: 3
print(edit_distance("abcde", "vwxyz"))	# Output: 5

# Clear the cache
edit_distance.cache_clear()

# Call the function again to see that it's recomputed
print(edit_distance("kitten", "sitting"))  # Output: 3

Explanation

In this example, the edit_distance function computes the edit distance between two strings using dynamic programming. The function is recursive and has three base cases: if one of the strings is empty, the edit distance is the length of the other string; if the first characters of the two strings are the same, the edit distance is the edit distance between the rest of the strings; otherwise, the edit distance is the minimum of the edit distances for the three possible operations: deletion, insertion, and substitution.

为了提高函数的性能，我们使用lru_cache来缓存其结果。缓存的最大大小为128，因此函数将记住最近128次调用的结果。这样可以避免为相同的参数重新计算编辑距离。

We first call the function with some arguments to populate the cache. Then, we clear the cache using the cache_clear() method. Finally, we call the function again with the same argument to see that it's recomputed instead of using the cached result.

请注意，edit_distance函数只是一个示例，计算两个字符串之间的编辑距离还有更高效的方法（例如使用Wagner−Fischer算法）。这个示例的目的是演示如何使用lru_cache来记忆递归函数的结果。

结论

总之，在某些情况下，清除Python中的LRU（最近最少使用）缓存可能是重要的，以管理内存并确保缓存保持最新。LRU缓存是Python的functools模块提供的内置缓存机制，可以根据函数的参数缓存函数的结果。@lru_cache装饰器用于为函数启用缓存，可以指定maxsize来设置缓存大小的限制。

修饰的函数对象的cache clear()方法可用于清除LRU缓存。通过清除所有缓存结果，该技术使缓存保持最新，同时释放内存。如果函数被更新或输入数据经常变化，清除缓存可能是必要的。

总的来说，LRU缓存提供了一种简单而有效的方法来提高Python函数的性能，特别是那些计算密集型的函数或者被多次使用相同参数调用的函数。在必要时清除缓存可以帮助保持通过缓存获得的性能提升，并确保缓存在减少计算时间方面保持有效。

위 내용은 Python에서 LRU 캐시 지우기의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!