functools.lru_cache: Accelera Python con una Riga di Codice

Quando usarlo

Hai funzioni che fanno calcoli costosi con gli stessi parametri ripetutamente? lru_cache memorizza automaticamente i risultati, trasformando chiamate lente in lookup istantanei. Perfetto per ricorsioni, chiamate API, calcoli matematici complessi, o qualsiasi funzione “pura” che restituisce sempre lo stesso output per lo stesso input.

Snippet

from functools import lru_cache
import time

@lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

@lru_cache(maxsize=None)  # cache illimitata
def calcolo_lento(x, y):
    time.sleep(1)  # simula calcolo pesante
    return x * y + x ** 2

# Prima chiamata: lenta
start = time.time()
result = calcolo_lento(5, 10)
print(f"Prima: {time.time() - start:.2f}s")

# Seconda chiamata: istantanea!
start = time.time()  
result = calcolo_lento(5, 10)
print(f"Seconda: {time.time() - start:.4f}s")

Perché funziona

lru_cache implementa una Least Recently Used cache che memorizza risultati di funzioni usando parametri come chiave. Quando la funzione viene chiamata, controlla prima se il risultato è già in cache. Se sì, lo restituisce immediatamente; altrimenti calcola, memorizza e restituisce il risultato.

Attenzione a…

• Funziona solo con parametri “hashable” (no liste, dizionari come argomenti)
• Può consumare molta memoria se maxsize=None con molti input diversi
• Non usare con funzioni che hanno side effects o dipendono da stato esterno

Vedi anche

• functools.cache (Python 3.9+) per cache illimitata semplificata
• functools.singledispatch per overloading di funzioni
• Documentazione functools