如何在Python文件之间有效地共享复杂且昂贵的对象

Question

就我而言，我在 file1 中初始化并使用这些（复杂且昂贵的）对象，将它们导入到 file2 中并使用。它不会浪费时间在两个文件的多个函数中创建多个 obj，并且对我有用。

# utils.py
from fancy_module import Fancy_class
expensive_obj = Fancy_class()
def func1():
    expensive_obj.do_stuff()

# work.py
from utils import func1, expensive_obj
def work_func():
    expensive_obj.do_other_stuff()

然而，当我将其交给同事部署时，他指出导入过程中需要相当长的时间才能完成

expensive_obj = Fancy_class()

，并且这会给我们正在使用的产品框架带来麻烦（我无法更改这一点）。他要求将其放入 getter 中并使用 @lru_cache 以避免重复。

# utils.py
from fancy_module import Fancy_class
@lru_cache
def get_expensive_obj(): 
    return Fancy_class()
def func1():
    expensive_obj = get_expensive_obj()
    expensive_obj.do_stuff()

# work.py
from utils import func1, get_expensive_obj
def work_func():
    expensive_obj = get_expensive_obj()
    expensive_obj.do_other_stuff()

不知道lru_cache到底是如何工作的，我担心它是否真的能避免重复

expensive_obj

。另外，我需要在大约几十个类似于 func1() 和 work_founc() 的函数中创建一些像这样的

expensive_obj

。有点乱。

还有其他解决方案可以让我：

1. 跨文件的函数之间共享对象
2. 并避免在导入期间进行昂贵的初始化

谢谢！！

Answer 1

如果您不确定

@lru_cache

并且只需要

Fancy_Class

的单个实例，那么您可以使用此方法执行手动记忆。

class Fancy_Class:
    @(lambda _:_()) # invokes the outer-part of getInstance at run-time
    def get_expensive_object():
        _expensive_object = None # do not touch
        @staticmethod
        def inner():
            """ returns a cached instance on Fancy_Class """
            nonlocal _expensive_object
            if (_expensive_object):
                return _expensive_object
            _expensive_object=Fancy_Class()
            return _expensive_object
        return inner
    ...

这实现了与示例中的

get_expensive_object

相同的结果，唯一的区别是它是其中包含单个值的（伪）缓存存储的手动实现。另外，我还建议将

get_expensive_object

方法封装在

Fancy_Class

中，这样就可以清楚地看出该函数与

Fancy_Class

相关（并且您不必担心单独导入该函数）。

如果您计划将来能够将参数传递给

getInstance

函数，我建议使用

cache

或

@lru_cache

装饰器，而不是像我那样手动创建缓存（即时调用函数表达式，如我上面使用的东西通常只在像 JS 这样的原型语言中出现）。

@cache

和

@lru_cache

如何工作

（注意：我已包含此部分，因为您似乎不确定

lru_cache

的工作原理）

cache(typed=False)

缓存根据传递的参数对函数进行的每个调用。如果

typed

设置为

True

那么它将根据参数的哈希值和类型来缓存参数。

lru_cache(maxsize=128, typed=False)

与

@cache

类似，其目的是

cache

只会增长到

maxsize

项目的最大尺寸。一旦达到 maxsize，这些项目将使用 LRU 策略从缓存中删除。如果

maxsize

设置为

None

，则

@lru_cache

的行为就像

@cache

。