Использование @functools.lru_cache с аргументами словаря
-
28-10-2019 - |
Вопрос
У меня есть метод, который принимает (среди прочего) словарь в качестве аргумента. Метод представляет собой строки синтаксического анализа, а в словаре предоставляется замена для некоторых подстроков, поэтому он не должен быть изменчивым.
Эта функция называется довольно часто, и на избыточных элементах, поэтому я подумал, что кэширование оно повысит его эффективность.
Но, как вы, возможно, догадались dict
является изменчивым и, следовательно, не хранение, @functools.lru_cache
Не могу украсить мою функцию. Так как я могу это преодолеть?
Бонус, если это требует только стандартных классов библиотеки и методов. В идеале, если он существует. frozendict
В стандартной библиотеке, которую я не видел, это сделает мой день.
PS: namedtuple
Только на последней среде, так как это потребует большого синтаксического сдвига.
Решение
Вместо того, чтобы использовать пользовательский хэссейный словарь, используйте его и избегайте переосмысления колеса! Это замороженный словарь, который все хэшабл.
https://pypi.org/project/frozendict/
Код:
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
а потом
@freezeargs
@lru_cache
def func(...):
pass
Код, взятый из ответа @Fast_Cen
Примечание: это не работает на рекурсивных данных; Например, у вас может быть аргумент, который является списком, который является неразличимым. Вам предложено сделать обертка рекурсивным, так что она углубляется в структуру данных и делает все dict
заморожен и каждый list
кортеж.
(Я знаю, что ОП Нолонгер хочет решение, но я пришел сюда в поисках того же решения, поэтому оставив это для будущих поколений)
Другие советы
Как насчет создания хранения dict
класс как так:
class HDict(dict):
def __hash__(self):
return hash(frozenset(self.items()))
substs = HDict({'foo': 'bar', 'baz': 'quz'})
cache = {substs: True}
Вот декоратор, который использует трюк @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
Просто добавьте его перед своим LRU_CACHE.
@hash_dict
@functools.lru_cache()
def your_function():
...
Как насчет подкласса namedtuple
и добавить доступ 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)
Вот декоратор, который можно использовать как functools.lru_cache
. Анкет Но это нацелено на функции, которые занимают только один аргумент который плоское картирование с Значения с хранениями и имеет фиксированный maxsize
64. Для вашего варианта использования вам придется адаптировать либо этот пример, либо ваш клиент-код. Также, чтобы установить maxsize
Индивидуально нужно было реализовать другой декоратор, но я не обернул голову вокруг этого, так как мне это не нужно.
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
Для более общего подхода можно использовать декоратор @cachetools.cache из сторонней библиотеки с соответствующим набором функций как key
.
После принятия решимости отбросить кэш LRU для нашего варианта использования, мы все еще придумали решение. Этот декоратор использует JSON для сериализации и десеризации ARGS/KWARGS, отправленных в кеш. Работает с любым количеством аргументов. Используйте его в качестве декоратора на функции вместо @lru_cache. Максимальный размер установлен на 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