0Pricing
Python Academy · 강의

functools: lru_cache와 cached_property

lru_cache와 cached_property로 비용이 큰 계산을 캐시합니다.

functools: lru_cache와 cached_property은(는) CoddyKit의 무료 Python Academy 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Python Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Python Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

메모이제이션이란 무엇입니까

메모이제이션은 함수 호출의 결과를 인수를 키로 사용하여 캐시에 저장하는 방식입니다. 같은 인수로 호출을 반복하면 캐시된 결과를 즉시 반환합니다.

def slow_fib(n):
    if n < 2: return n
    return slow_fib(n-1) + slow_fib(n-2)

# slow_fib(35) makes ~29 million calls
# With caching it makes only 35

@lru_cache

@functools.lru_cache(maxsize=128)은 최근 결과를 최대 maxsize개까지 캐시합니다. 제한 없는 캐시를 사용하려면 maxsize=None으로 설정하십시오.

import functools

@functools.lru_cache(maxsize=None)
def fib(n):
    if n < 2: return n
    return fib(n-1) + fib(n-2)

print(fib(50))  # instant

@cache — Python 3.9 이상

functools.cache는 lru_cache(maxsize=None)의 줄임 표현으로, 더 깔끔한 이름을 사용하는 제한 없는 캐시입니다.

import functools

@functools.cache
def factorial(n):
    return n * factorial(n-1) if n else 1

print(factorial(10))  # 3628800

캐시 정보와 초기화

캐시된 함수는 .cache_info()(적중 횟수, 누락 횟수, 크기)와 .cache_clear()를 제공합니다.

import functools

@functools.lru_cache(maxsize=100)
def square(n):
    return n * n

for i in range(5): square(i % 3)
print(square.cache_info())
# CacheInfo(hits=2, misses=3, maxsize=100, currsize=3)
square.cache_clear()

LRU 제거 정책

LRU(최근에 가장 적게 사용된 항목)는 캐시가 가득 차면 가장 오랫동안 접근하지 않은 항목을 제거합니다.

import functools

@functools.lru_cache(maxsize=3)
def compute(n):
    print(f"computing {n}")
    return n**2

for x in [1,2,3,4,1]:   # 4 evicts 1 (LRU), then 1 re-computes
    compute(x)

해시 가능한 인수만 사용 가능

lru_cache를 사용하려면 모든 인수가 해시 가능해야 합니다. 목록과 딕셔너리는 해시할 수 없으므로 튜플을 사용하십시오.

import functools

@functools.lru_cache(maxsize=None)
def sum_tuple(t):  # tuple is hashable
    return sum(t)

print(sum_tuple((1,2,3)))  # 6
# sum_tuple([1,2,3])  # TypeError

@cached_property

functools.cached_property는 속성을 한 번 계산한 뒤 인스턴스에 결과를 캐시하고, 해당 디스크립터를 값으로 바꿉니다.

import functools

class Circle:
    def __init__(self, r):
        self.r = r

    @functools.cached_property
    def area(self):
        import math
        print("computing...")
        return math.pi * self.r ** 2

c = Circle(5)
print(c.area)   # computing...  78.53...
print(c.area)   # 78.53... (cached, no print)

cached_property와 property 비교

@property는 접근할 때마다 다시 계산합니다. @cached_property는 한 번 계산한 결과를 instance.__dict__에 저장합니다.

import functools

class Expensive:
    @property
    def always(self):    # runs every access
        return sum(range(1_000_000))

    @functools.cached_property
    def once(self):      # runs only first access
        return sum(range(1_000_000))

cached_property의 스레드 안전성

cached_property는 스레드 안전하지 않습니다. 여러 스레드가 동시에 접근하면 계산이 두 번 이상 실행될 수 있습니다. 필요하다면 잠금을 사용하십시오.

import functools, threading

class SafeCache:
    _lock = threading.Lock()

    @functools.cached_property
    def data(self):
        with self._lock:
            return expensive_computation()

cached_property 무효화하기

인스턴스 속성을 삭제하면 캐시가 무효화되고 다음에 접근할 때 다시 계산됩니다.

import functools

class Report:
    @functools.cached_property
    def summary(self):
        return compute_summary()

r = Report()
_ = r.summary      # computed
del r.summary      # invalidate
_ = r.summary      # recomputed

lru_cache를 API 캐시로 사용하기

불필요한 네트워크 호출을 피하려면 세션 동안 API 응답을 캐시하십시오. 최신 데이터가 필요할 때는 캐시를 초기화하십시오.

import functools, urllib.request, json

@functools.lru_cache(maxsize=32)
def get_user(user_id):
    url = f"https://api.example.com/users/{user_id}"
    with urllib.request.urlopen(url) as r:
        return json.loads(r.read())

user = get_user(42)   # network call
user = get_user(42)   # cached

빠른 확인

@lru_cache가 적용된 함수의 캐시된 결과를 모두 삭제하는 메서드는 무엇입니까?

복습

@lru_cache는 인수를 키로 사용하여 함수 결과를 캐시합니다(인수는 해시 가능해야 합니다). @cache는 제한 없는 별칭입니다. @cached_property는 인스턴스마다 속성 계산 결과를 캐시합니다. cache_info()로 정보를 확인하고 cache_clear()로 초기화하십시오.

자주 묻는 질문

“functools: lru_cache와 cached_property” 강의는 무료인가요?

네 — “functools: lru_cache와 cached_property” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Python Academy 강의 전체를 잠금 해제할 수 있습니다. Python Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“functools: lru_cache와 cached_property”에서 뭘 배우나요?

lru_cache와 cached_property로 비용이 큰 계산을 캐시합니다. 브라우저에서 직접 실행하는 실습 코드로 Python Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Python Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Python Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.

“functools: lru_cache와 cached_property” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Python Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Python Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. itertools: 무한 및 유한 반복자
  2. itertools: 조합론
  3. functools: partial과 reduce
  4. functools: lru_cache와 cached_property
← Python Academy(으)로 돌아가기