python标准库中的functools模块，提供了functools.lru_cache，基于内存的缓存。
from functools import lru_cache
@lru_cache(maxsize=1)
def sum2(a,b):
print(f"计算{a}+{b} ... ")
return a+b
print(sum2(2,3))
print(sum2(2,3))
print(sum2(4,7))
print(sum2(4,7))
print(sum2(2,3))
print(sum2(4,7))
maxsize=1，表示可以缓存的元素的个数。
改变maxsize的值为2，再切换为1，运行程序观察输出结果，
sum2.cache_info() #查看缓存性能
sum2.cache_clear() #清除缓存
基于磁盘的缓存
"""
教程 https://joblib.readthedocs.io/en/latest/memory.html
安装 pip install joblib
"""
from joblib import Memory
memory = Memory(location="./cachedir")
@memory.cache
def sum2(a,b):
print(f"计算{a}+{b} ... ")
return a+b
print(sum2(2,3))
print(sum2(2,3))
print(sum2(4,7))
print(sum2(4,7))
print(sum2(2,3))
print(sum2(4,7))
————————————————
版权声明：本文为CSDN博主「_Tsun」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/sunt2018/java/article/details/97235224
python之装饰器（类装饰器，函数装饰器）
@decorator这个语法相当于 执行 func = decorator(func)，为func函数装饰并返回
<1> 类装饰器
## 装饰器
#类装饰器
class Decorator:
def __init__(self,func):
## 赋值函数
self.func = func
def __call__(self, *args, **kwargs):
## 一call顶万物
print('假设这里开始执行其他的代码')
self.other_func()
self.func(*args, **kwargs)
self.other_func2()
print('假设这里在执行完这个函数后，执行了其他的代码')
return
def other_func(self):
print('这是一个打酱油的函数')
@staticmethod
def other_func2():
print('这是一个吃瓜的函数')
## 测试一下
@Decorator
def test_a(a,b):
print(f'print a :{a}')
print(f'print b :{b}')
c = a+b
print(c)
return c
test_a(1,2)
执行结果：
<2>函数装饰器
函数装饰器还是比较多的，相对来说
def zsq_func(func):
print('这是一个函数装饰器')
def wrapper(*args,**kwargs):
try:
print('开始前，执行的代码')
func(*args,**kwargs)
print('结束了，执行的代码')
return
except:
print('出错了的处理')
print('执行装饰器函数前可以执行其他代码')
return wrapper
## 测试一下
@zsq_func
def func(a,b):
print(f'print a :{a}')
print(f'print b :{b}')
c = a+b
print(c)
return c
func(1,2)