python - 如何在Python中创建有界的memoization装饰器？

显然，快速搜索会在python中生成一百万个memoization装饰器的实现和风格。但是，我对我找不到的口味感兴趣。我希望它能使存储值的缓存具有固定容量。当添加新元素时，如果达到容量，则会删除最旧的值并替换为最新的值。
我担心的是，如果我使用记忆存储大量元素，那么程序将因为内存不足而崩溃。（我不知道这一问题在实践中有多重要。）如果缓存的大小是固定的，那么内存错误就不会是问题了。在程序执行时，我处理的许多问题都是变化的，因此初始缓存的值与以后缓存的值看起来非常不同（以后再发生的可能性也要小得多）。这就是为什么我想用最新的东西代替最旧的东西。
我找到了OrderedDict类和一个示例，演示了如何对其进行子类化以指定最大大小。我想把它用作缓存，而不是普通的。问题是，我需要memoize decorator接受一个名为dict的参数，该参数默认为maxlen。如果它是None，那么缓存是无限的，并且正常工作。任何其他值都用作缓存的大小。
我希望它的工作方式如下：

@memoize
def some_function(spam, eggs):
    # This would use the boundless cache.
    pass

和

@memoize(200)  # or @memoize(maxlen=200)
def some_function(spam, eggs):
    # This would use the bounded cache of size 200.
    pass

下面是迄今为止我所拥有的代码，但我不知道如何将参数传递到decorator中，同时使它可以“裸”使用和使用参数。

import collections
import functools

class BoundedOrderedDict(collections.OrderedDict):
    def __init__(self, *args, **kwds):
        self.maxlen = kwds.pop("maxlen", None)
        collections.OrderedDict.__init__(self, *args, **kwds)
        self._checklen()

    def __setitem__(self, key, value):
        collections.OrderedDict.__setitem__(self, key, value)
        self._checklen()

    def _checklen(self):
        if self.maxlen is not None:
            while len(self) > self.maxlen:
                self.popitem(last=False)

def memoize(function):
    cache = BoundedOrderedDict()  # I want this to take maxlen as an argument
    @functools.wraps(function)
    def memo_target(*args):
        lookup_value = args
        if lookup_value not in cache:
            cache[lookup_value] = function(*args)
        return cache[lookup_value]
    return memo_target

@memoize
def fib(n):
    if n < 2: return 1
    return fib(n-1) + fib(n-2)

if __name__ == '__main__':
    x = fib(50)
    print(x)

编辑：根据本的建议，我创建了下面的装饰，我相信这是我想象的工作方式。对于我来说，能够使用这些修饰函数非常重要，这在过去一直是一个问题。但是，对这段代码的快速测试似乎可以正确地工作，即使是在将作业转移到线程池时也是如此。

def memoize(func=None, maxlen=None):
    if func:
        cache = BoundedOrderedDict(maxlen=maxlen)
        @functools.wraps(func)
        def memo_target(*args):
            lookup_value = args
            if lookup_value not in cache:
                cache[lookup_value] = func(*args)
            return cache[lookup_value]
        return memo_target
    else:
        def memoize_factory(func):
            return memoize(func, maxlen=maxlen)
        return memoize_factory

最佳答案

@memoize
def some_function(spam, eggs):
    # This would use the boundless cache.
    pass

这里，memoize用作在单个函数参数上调用的函数，并返回函数。memoize是一个装饰师。

@memoize(200)  # or @memoize(maxlen=200)
def some_function(spam, eggs):
    # This would use the bounded cache of size 200.
    pass

这里，memoize用作对单个整型参数调用并返回函数的函数，并且返回的函数本身用作修饰器，即对单个函数参数调用并返回函数。memoize是一家装饰工厂。
所以要统一这两个，你必须写一些难看的代码。我可能会这样做，就是让memoize看起来像这样：

def memoize(func=None, maxlen=None):
    if func:
        # act as decorator
    else:
        # act as decorator factory

这样，如果要传递参数，则始终将其作为关键字参数传递，而不设置func（应该是位置参数），并且如果只希望所有内容都默认，则它将神奇地直接作为装饰器工作。这意味着@memoize(200)会给你一个错误；你可以通过做一些类型检查来避免这个错误，看看func是否可以调用，这在实践中应该很好地工作，但实际上不是很“蟒蛇式”。
另一种选择是有两个不同的装饰器，比如memoize和bounded_memoize。无边界的memoize只需调用设置为bounded_memoize的maxlen即可实现简单的实现，因此在实现或维护过程中不会花费任何费用。
通常，作为经验法则，我尽量避免破坏一个函数来实现两个仅与切线相关的功能集，特别是当它们具有如此不同的签名时。但是在这种情况下，它确实使decorator的使用是自然的（要求None很容易出错，即使从理论上看它更为一致），并且您可能会实现一次并多次使用它，因此在使用点的可读性可能是重要的关注点。