Con @functools.lru_cache con il dizionario di argomenti

Question

Ho un metodo che prende, tra gli altri, un dizionario come argomento.Il metodo di analisi delle stringhe e il dizionario fornisce sostituzione di alcuni sottostringhe, quindi, non deve essere modificabile.

Questa funzione viene chiamata molto spesso, e su elementi ridondanti così ho pensato che la cache di migliorare la sua efficienza.

Ma, come si può immaginare, dal momento che dict è mutevole, e quindi non hashable, @functools.lru_cache non è possibile decorare la mia funzione.Allora, come posso ovviare a questo?

Punto di Bonus se si ha bisogno solo di standard di libreria di classi e metodi.Idealmente, se esiste un qualche tipo di frozendict in libreria standard che non ho visto renderebbe la mia giornata.

PS: namedtuple solo in ultima istanza, dal momento che avrebbe bisogno di un grande sintassi turno.

Answer 1

Invece di utilizzare un custom hashable dizionario, di utilizzare questo e evitare di reinventare la ruota!Si tratta di un surgelati dizionario che tutti hashable.

https://pypi.org/project/frozendict/

Codice:

def freezeargs(func):
    """Transform mutable dictionnary
    Into immutable
    Useful to be compatible with cache
    """

    @functools.wraps(func)
    def wrapped(*args, **kwargs):
        args = tuple([frozendict(arg) if isinstance(arg, dict) else arg for arg in args])
        kwargs = {k: frozendict(v) if isinstance(v, dict) else v for k, v in kwargs.items()}
        return func(*args, **kwargs)
    return wrapped

e poi

@freezeargs
@lru_cache
def func(...):
    pass

Codice preso da @fast_cen 's risposta

Nota:questo non funziona in ricorsiva datastructures;per esempio, si potrebbe avere un argomento un elenco, che è unhashable.Siete invitati a fare il wrapping ricorsiva, in modo tale che si scende in profondità la struttura dei dati e rende ogni dict congelati e ogni list tupla.

(So che OP nolonger vogliono una soluzione, ma sono venuto qui in cerca per la stessa soluzione, in questo modo, lasciando questo per le generazioni future)

Answer 2

Che ne dici di creare un hashable dict Classe come così:

class HDict(dict):
    def __hash__(self):
        return hash(frozenset(self.items()))

substs = HDict({'foo': 'bar', 'baz': 'quz'})
cache = {substs: True}

Answer 3

Ecco un decoratore che usa il trucco @mhyfritz.

def hash_dict(func):
    """Transform mutable dictionnary
    Into immutable
    Useful to be compatible with cache
    """
    class HDict(dict):
        def __hash__(self):
            return hash(frozenset(self.items()))

    @functools.wraps(func)
    def wrapped(*args, **kwargs):
        args = tuple([HDict(arg) if isinstance(arg, dict) else arg for arg in args])
        kwargs = {k: HDict(v) if isinstance(v, dict) else v for k, v in kwargs.items()}
        return func(*args, **kwargs)
    return wrapped

Basta aggiungerlo prima del tuo LRU_CACHE.

@hash_dict
@functools.lru_cache()
def your_function():
    ...

Answer 4

Che ne dici di sottoclasse namedtuple e aggiungere accesso da x["key"]?

class X(namedtuple("Y", "a b c")):
    def __getitem__(self, item):
        if isinstance(item, int):
            return super(X, self).__getitem__(item)
        return getattr(self, item)

Answer 5

Ecco un decoratore che può essere usato come functools.lru_cache. Ma questo è mirato alle funzioni che prendono solo un argomento il quale è un mappatura piatta insieme a Valori hashable e ha un fisso maxsize di 64. Per il tuo caso d'uso dovresti adattare questo esempio o il codice client. Inoltre, per impostare il maxsize Individualmente, uno ha dovuto implementare un altro decoratore, ma non ho avvolto la testa intorno a questo poiché non ne avevo bisogno.

from functools import (_CacheInfo, _lru_cache_wrapper, lru_cache,
                       partial, update_wrapper)
from typing import Any, Callable, Dict, Hashable

def lru_dict_arg_cache(func: Callable) -> Callable:
    def unpacking_func(func: Callable, arg: frozenset) -> Any:
        return func(dict(arg))

    _unpacking_func = partial(unpacking_func, func)
    _cached_unpacking_func = \
        _lru_cache_wrapper(_unpacking_func, 64, False, _CacheInfo)

    def packing_func(arg: Dict[Hashable, Hashable]) -> Any:
        return _cached_unpacking_func(frozenset(arg.items()))

    update_wrapper(packing_func, func)
    packing_func.cache_info = _cached_unpacking_func.cache_info
    return packing_func


@lru_dict_arg_cache
def uppercase_keys(arg: dict) -> dict:
    """ Yelling keys. """
    return {k.upper(): v for k, v in arg.items()}


assert uppercase_keys.__name__ == 'uppercase_keys'
assert uppercase_keys.__doc__ == ' Yelling keys. '
assert uppercase_keys({'ham': 'spam'}) == {'HAM': 'spam'}
assert uppercase_keys({'ham': 'spam'}) == {'HAM': 'spam'}
cache_info = uppercase_keys.cache_info()
assert cache_info.hits == 1
assert cache_info.misses == 1
assert cache_info.maxsize == 64
assert cache_info.currsize == 1
assert uppercase_keys({'foo': 'bar'}) == {'FOO': 'bar'}
assert uppercase_keys({'foo': 'baz'}) == {'FOO': 'baz'}
cache_info = uppercase_keys.cache_info()
assert cache_info.hits == 1
assert cache_info.misses == 3
assert cache_info.currsize == 3

Per un approccio più generico si potrebbe usare il decoratore @cachetools.cache da una libreria di terze parti con una funzione appropriata set come key.

Answer 6

Dopo aver deciso di abbandonare LRU Cache per il nostro caso d'uso per ora, abbiamo comunque escogitato una soluzione. Questo decoratore usa JSON per serializzare e deserializzare gli Args/Kwargs inviati alla cache. Funziona con un numero qualsiasi di Args. Usalo come decoratore su una funzione invece di @lru_cache. La dimensione massima è impostata su 1024.

def hashable_lru(func):
    cache = lru_cache(maxsize=1024)

    def deserialise(value):
        try:
            return json.loads(value)
        except Exception:
            return value

    def func_with_serialized_params(*args, **kwargs):
        _args = tuple([deserialise(arg) for arg in args])
        _kwargs = {k: deserialise(v) for k, v in kwargs.items()}
        return func(*_args, **_kwargs)

    cached_function = cache(func_with_serialized_params)

    @wraps(func)
    def lru_decorator(*args, **kwargs):
        _args = tuple([json.dumps(arg, sort_keys=True) if type(arg) in (list, dict) else arg for arg in args])
        _kwargs = {k: json.dumps(v, sort_keys=True) if type(v) in (list, dict) else v for k, v in kwargs.items()}
        return cached_function(*_args, **_kwargs)
    lru_decorator.cache_info = cached_function.cache_info
    lru_decorator.cache_clear = cached_function.cache_clear
    return lru_decorator