# Кэширование функций

Кэширование функций позволяет кэшировать возвращаемые значения функций в зависимости от аргументов. Это может помочь сэкономить время при работе с вводом/выводом на повторяющихся данных. До Python 3.2 мы должны были бы написать собственную реализацию. В Python 3.2+ появился декоратор `lru_cache`, который позволяет быстро кэшировать возвращаемые функцией значения.

Давайте посмотрим, как мы можем воспользоваться кэшированием в Python 3.2+ и в более старых версиях.

## Python 3.2+

Реализуем функцию расчета n-ого числа Фибоначчи с использованием `lru_cache`:

```python
from functools import lru_cache

@lru_cache(maxsize=32)
def fib(n):
    if n < 2:
        return n
    return fib(n - 1) + fib(n - 2)

>>> print([fib(n) for n in range(10)])
# Вывод: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
```

Аргумент `maxsize` сообщает `lru_cache` сколько последних значений запоминать.

Мы также можем легко очистить кэш:

```python
fib.cache_clear()
```

## Python 2+

В старых версиях языка также есть несколько путей достижения схожего эффекта. Вы можете сами реализовать любой тип кэширования. Это зависит только от ваших потребностей. Вот базовое решение:

```python
from functools import wraps

def memoize(function):
    memo = {}
    @wraps(function)
    def wrapper(*args):
        try:
            return memo[args]
        except KeyError:
            rv = function(*args)
            memo[args] = rv
            return rv
    return wrapper

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

fibonacci(25)
```

**Примечание:** `memoize` не сможет кэшировать типы данных, которые нельзя хешировать (словари, списки и т.д.). Только объекты неизменяемых типов подлежат кэшированию. Держите это в уме при использовании декоратора.

[Отличная статья](https://www.caktusgroup.com/blog/2015/06/08/testing-client-side-applications-django-post-mortem/) от Caktus Group, в которой они рассказывают историю бага в Django, который появился из-за `lru_cache`. Рекомендую к ознакомлению.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://pavel-karateev.gitbook.io/intermediate-python/dekoratory/function_caching.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.