Что хотят услышать интервьюеры:

Кэш имеет смысл использовать, когда повторный расчет или повторное обращение к данным заметно дороже, чем чтение из памяти. Обычно это подходит для часто запрашиваемых, но редко изменяющихся данных. Важно, чтобы выигрыш от ускорения был выше стоимости поддержки кэша и риска устаревших данных.

Определение:

Кэш — это временное хранилище уже вычисленных или загруженных данных, чтобы при следующем запросе не выполнять ту же дорогую операцию снова. В Python кэшируют результаты функций, ответы внешних API, данные из БД, конфигурации и другие часто используемые значения. Использовать кэш стоит там, где есть повторяемость запросов и приемлема небольшая задержка в обновлении данных.

Пример использования:

Например, функция считает статистику по большому файлу. Если один и тот же запрос приходит много раз, результат можно сохранить в кэш и возвращать сразу, не перечитывая файл каждый раз.

from functools import lru_cache

@lru_cache(maxsize=128)
def get_user_profile(user_id: int):
    # Допустим, здесь дорогой запрос в БД или внешний API
    print(f"Loading profile for {user_id}")
    return {"user_id": user_id, "name": "Alice"}

print(get_user_profile(1))  # Первый вызов — вычисление
print(get_user_profile(1))  # Второй вызов — ответ из кэша

Пояснение кода:

lru_cache сохраняет результат функции для одинаковых аргументов. При первом вызове get_user_profile(1) функция выполняется и результат кладется в кэш. При втором вызове с теми же аргументами Python берет уже готовый результат, поэтому дорогая операция не повторяется. Параметр maxsize=128 ограничивает размер кэша, чтобы он не рос бесконечно.

Ключевые моменты:

Кэш полезен, когда операция дорогая, а запросы к одним и тем же данным повторяются.
Лучше кэшировать данные, которые часто читаются и редко меняются.
Кэш не стоит использовать, если данные быстро устаревают или почти не переиспользуются.
Важно учитывать инвалидирование кэша, иначе можно вернуть устаревший результат.
Кэш ускоряет чтение, но добавляет память и сложность в поддержку.

Когда рекомендуется сохранять данные в кэш для оптимизации производительности?