Python functools.cache 怎样判断是否适合缓存无参函数

我第一次给一个无参配置计算函数加缓存时，直觉是“没有参数，永远只有一个结果，最适合缓存”。后来发现这句话只说对了一半：无参函数确实只有一个缓存键，但它也可能依赖时间、环境变量、文件内容或远程状态。只要外部状态会变化，缓存就可能把旧结果一直留在进程里。

本文只讨论 Python functools.cache 怎样判断是否适合无参函数。官方地址：https://docs.python.org/3/library/functools.html#functools.cache。我的结论是：只有当函数结果稳定、没有副作用、重复调用确实存在，并且进程能够接受无上限缓存时，才值得使用它。

我先看无参函数到底缓存了什么

functools.cache 是一个轻量的无上限缓存装饰器，语义上等同于 lru_cache(maxsize=None)。对无参函数而言，调用时没有需要序列化的业务参数，可以把它理解成“空参数组合对应一个返回值”。第一次调用计算结果，后续相同调用直接复用这个结果。

from functools import cache

@cache
def build_default_rules():
    # 结果只由函数体中的固定规则决定，适合重复复用
    return {"timeout": 3, "retry": 2}

first = build_default_rules()
second = build_default_rules()
print(first == second)  # True：两次调用得到相同内容
print(build_default_rules.cache_info())  # 查看命中、未命中和当前条目数

这里真正重要的不是“没有参数”，而是函数的输入是否完整。若函数体偷偷读取当前时间、随机数、环境变量或远程接口，那么这些外部状态没有出现在缓存键里，缓存也就无法知道结果何时应该更新。

四个条件决定它是不是好缓存

我现在会先按下面四个问题筛一遍，而不是看到无参函数就直接加装饰器。

“无参”只解决了缓存键简单这个问题，并没有替你解决数据新鲜度问题。尤其要注意，官方文档说明缓存会一直持有参数和返回值的引用，直到条目被清理；对 cache 来说没有自动淘汰上限，这正是它轻量的代价。

用 cache_info 观察命中与占用

如果函数看上去适合缓存，我会保留一段很小的观察代码。包装后的函数提供 cache_info()，可以看到命中数、未命中数、最大容量和当前条目数；无参函数通常只有一个条目，因此多次调用后 currsize 应该保持在 1 左右。

from functools import cache

@cache
def load_static_policy():
    # 模拟一次昂贵但稳定的本地计算
    return ("strict", "safe")

load_static_policy()
load_static_policy()
info = load_static_policy.cache_info()
print(info.hits, info.misses, info.currsize)

# 配置更新或测试隔离时，显式清理旧结果
load_static_policy.cache_clear()

统计值适合帮助我判断缓存有没有价值，但不能把一次短时间的命中率当成永久结论。部署后如果配置会热更新，就要把更新动作和 cache_clear() 绑定起来；如果无法明确清理时机，宁可不使用无上限缓存。

四类无参函数看似合适，实际不应缓存

依赖当前时间

from datetime import datetime
from functools import cache

@cache
def current_minute():
    # 时间会变化，缓存后将一直返回第一次调用的分钟
    return datetime.now().strftime("%H:%M")

这类函数没有参数，却有隐含输入“现在”。缓存后的结果只代表第一次调用时刻，不代表当前时间。

依赖随机数或外部状态

随机数、环境变量、文件内容、数据库查询和远程接口都可能在函数外部变化。若业务确实需要缓存，应该把会影响结果的状态显式纳入设计，并明确失效或刷新规则；单纯给无参函数加 @cache 会把隐含状态藏起来。

包含副作用或需要每次产生新对象

官方文档明确提醒，不应缓存有副作用的函数，也不适合缓存每次都要创建独立可变对象的函数。比如函数内部负责写审计日志、发送通知，或返回一个调用者会修改的共享列表，都不应只因为“调用不带参数”就复用结果。

我的最终判断：把 cache 当成一次性稳定值工具

对无参函数，我会用一句话做决定：它是不是一个在当前进程生命周期内稳定、无副作用、值得重复读取的小结果？四个答案都为“是”，可以使用 functools.cache；只要结果会过期、对象很大、更新时机不清楚，或者函数承担了动作，就不要使用。

还要记住两点边界：第一，缓存是线程安全的，但官方文档不保证并发下底层函数只执行一次；第二，cache 没有容量上限，长期运行服务要特别关注引用和清理。对无参函数来说，最理想的场景通常是固定规则、解析后的静态元数据或进程内只需构造一次的不可变结果。

常见问题

无参函数一定只有一个缓存结果吗？

在同一个被装饰函数和同一个进程中，调用键确实只有一组；但结果是否应该长期复用，仍取决于函数读取的隐含外部状态。

什么时候需要调用 cache_clear？

当配置、文件、远程数据或测试环境发生变化，并且旧结果不应继续使用时，应该在明确的更新边界调用它。

cache 和 lru_cache(maxsize=None) 有区别吗？

官方文档把二者的行为描述为等价；cache 是更轻量的表达方式。如果需要容量上限和淘汰策略，就不应使用无上限的 cache。