当前位置:首页 > 文章列表 > 文章 > 前端 > 函数记忆化实现与缓存效果解析

函数记忆化实现与缓存效果解析

2025-12-10 20:16:51 0浏览 收藏

偷偷努力,悄无声息地变强,然后惊艳所有人!哈哈,小伙伴们又来学习啦~今天我将给大家介绍《JS函数记忆化怎么实现及缓存效果》,这篇文章主要会讲到等等知识点,不知道大家对其都有多少了解,下面我们就一起来看一吧!当然,非常希望大家能多多评论,给出合理的建议,我们一起学习,一起进步!

函数记忆化是通过缓存函数结果避免重复计算的优化技术,适用于递归或计算密集型场景,如斐波那契数列,其核心是用参数作键、结果作值存储在闭包中,下次调用时先查缓存再执行,从而提升性能。

JS函数怎样定义函数记忆化_JS函数记忆化定义与结果缓存实现

函数记忆化(Memoization)是一种优化技术,主要用于缓存函数的返回结果,避免重复计算。当一个函数被频繁调用且输入参数可能重复时,记忆化能显著提升性能。

什么是函数记忆化

函数记忆化是将函数的输入参数作为键,对应的返回值作为值,存储在缓存中。下次用相同参数调用函数时,直接从缓存中读取结果,而不是重新执行函数逻辑。

这种技术特别适合递归函数或计算密集型函数,比如斐波那契数列、阶乘等。

实现记忆化的步骤

要为一个函数添加记忆化能力,可以封装它并使用闭包来维护缓存对象。

  • 创建一个外部函数,返回一个带有缓存机制的内部函数
  • 内部函数将参数序列化为缓存键(如 JSON.stringify 或简单拼接)
  • 检查缓存中是否存在该键,存在则返回缓存值
  • 否则执行原函数,保存结果到缓存并返回

注意:对于复杂参数类型(如对象、数组),需确保键的唯一性和正确性;基本类型较简单处理。

简单示例:斐波那契数列的记忆化

未记忆化的斐波那契函数效率低,存在大量重复计算:

普通版本:
function fib(n) {
  return n 

添加记忆化后:

记忆化版本:
function memoize(fn) {
  const cache = {};
  return function(...args) {
    const key = JSON.stringify(args);
    if (key in cache) {
      return cache[key];
    }
    const result = fn.apply(this, args);
    cache[key] = result;
    return result;
  };
}

const fib = memoize(function(n) { return n <= 1 ? n : fib(n - 1) + fib(n - 2); });

现在每次调用都会优先查缓存,极大减少递归次数。

通用记忆化函数封装

你可以将记忆化逻辑抽成一个可复用的工具函数:

function memoize(fn) {
  const cache = new Map();
  return function(...args) {
    const key = args.length === 1 ? args[0] : JSON.stringify(args);
    if (cache.has(key)) {
      return cache.get(key);
    }
    const result = fn.apply(this, args);
    cache.set(key, result);
    return result;
  };
}

这样就能用于任何纯函数(无副作用、相同输入始终输出相同结果)。

基本上就这些。函数记忆化不复杂但容易忽略细节,关键是选好缓存结构和键生成方式。

今天关于《函数记忆化实现与缓存效果解析》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于JS函数如何定义的内容请关注golang学习网公众号!

Golang任务队列与worker池实现详解Golang任务队列与worker池实现详解
上一篇
Golang任务队列与worker池实现详解
塔读小说免费入口及无限阅读技巧
下一篇
塔读小说免费入口及无限阅读技巧
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    485次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    541次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    563次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    518次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    332次使用