写代码最怕什么？怕程序跑得慢。改代码更怕什么？怕改出bug。

我懂你。很多Python程序员都有这种体验。辛辛苦苦写好的功能，一跑就是十几秒。领导催得急，客户等得烦。你盯着屏幕，脑子里全是怎么优化。

改算法？太麻烦。换语言？更不现实。有没有一种办法，能在不改动代码的前提下，让程序变快？

有。用这个装饰器，自动缓存结果。

装饰器是什么？简单说，它就像给函数穿了一件外套。外套不改变函数原本的样子，但能增加新功能。

缓存结果又是什么？你调用同一个函数时，如果传入的参数相同，返回的结果也应该相同。这种情况很常见。比如你写了个计算商品价格的函数，同样的商品、同样的折扣，算出来的价格肯定一样。第一次算完，把结果存起来。第二次再算，直接从缓存里拿。省掉了计算过程，速度当然飞快。

Python标准库里就有一个现成的装饰器，叫lru_cache。用法特别简单。你在函数定义的地方，加一行@functools.lru_cache(maxsize=None)就行。

看个例子：

import functools 

@functools.lru_cache(maxsize=None)

def compute_price(base_price, discount):

    假设这里有一大堆复杂的计算逻辑

   time.sleep(2)   模拟计算耗时

   return base_price  discount

你看，代码一个字都没改。只是头顶多了个装饰器。第一次调用compute_price(100, 0.8)，它真的会等两秒。第二次再调用同样的参数，瞬间就出结果。这不就是白捡的性能提升吗？

当然，缓存不是万能的。它适合那种“给定相同输入，永远得到相同输出”的函数。如果你写了一个返回当前时间的函数，每次调用结果都不同，那缓存反而会出错。还有，如果你的函数里用到了全局变量或者外部文件，也得小心。缓存只认参数，不认外部变化。

缓存大小也要注意。maxsize=None代表缓存数量无上限。如果你的函数可能会被无数种参数调用，那缓存会越存越多，吃光内存。这时候可以设定一个具体数字，比如maxsize=128。超出限制时，它会自动清理最不常用的缓存。

我身边一个同事，就是因为用了这个装饰器，把一个耗时3秒的接口降到了0.1秒。他什么都没改，就加了一行代码。领导还以为他重写了一遍逻辑，连连夸他技术厉害。他偷偷告诉我，秘密就在这个装饰器里。

其实不仅是lru_cache。Python还有个cache装饰器，是Python 3.9以后才加入的。它和lru_cache功能类似，使用起来更简单，连参数都不需要。如果你用Python 3.9及以上版本，直接写@functools.cache就行。

还有更灵活的用法。你可以自己写一个缓存装饰器，用字典存结果。虽然麻烦点，但能让你完全掌控缓存的逻辑。比如你想缓存一分钟就过期，或者根据参数的不同决定要不要缓存。这些都能自己实现。

不过对大多数人来说，直接用lru_cache就够了。它轻量、稳定、不用动脑子。关键是，它真的能帮你省时间。

说来说去，不改代码就能提速，这可能是Python程序员最幸福的时刻。你不需要学习新的编程技巧，不需要重构多个文件，只要在函数头上加个装饰器。简单到像给自行车装了个加速器，骑起来又快又省力。

下次你面对一个慢吞吞的函数，别急着改代码。先想想，这个函数有没有重复调用相同参数的情况？如果有，装上这个装饰器试试看。你会惊讶地发现，原来加速可以这么容易。

 更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。