# Napisz kod dla funkcji cache. To jest dekorator, który powinien # zapamiętywać, co zwróciła dekorowana funkcja, i zwracać zapamiętaną # wartość przy ponownym wywołaniu z tymi samymi argumentami. # Można założyć, że wszystkie argumenty są haszowalne. # Używaj tylko standardowej biblioteki Pythona.
Dlaczego sortować kwargs podczas tworzenia klucza pamięci podręcznej memoization?
Czy konieczne jest użycie OrderedDict zamiast zwykłego słownika do pamięci podręcznej memoization bez limitu rozmiaru i polityki usuwania?
Jakie ograniczenia i problemy występują w pamięci podręcznej in-memory, szczególnie podczas skalowania mikroserwisów na kilku workerów?
# Napisz kod dla funkcji cache. To dekorator, który powinien # zapamiętywać, co zwróciła dekorowana funkcja, i zwracać zapamiętaną # wartość przy ponownym wywołaniu z tymi samymi argumentami. # Można założyć, że wszystkie argumenty są haszowalne. # Używaj tylko standardowej biblioteki Pythona. def cache(backend=None): if backend is None: backend = {} def decorator(func): def wrapper(*args, **kwargs): key = (args, tuple(sorted(kwargs.items()))) result = backend.get(key) if result is not None: return result result = func(*args, **kwargs) backend[key] = result return result return wrapper return decorator calls = {"count": 0} backend = {} @cache(backend=backend) def add(a, b): calls["count"] += 1 return a + b assert add(1, 2) == 3 assert calls["count"] == 1 assert add(1, 2) == 3 assert calls["count"] == 1 assert len(backend) == 1 print("OK")
# Napisz kod dla funkcji cache. To dekorator, który powinien # zapamiętywać, co zwróciła dekorowana funkcja, i zwracać zapamiętaną # wartość przy ponownym wywołaniu z tymi samymi argumentami. # # Można założyć, że wszystkie argumenty są haszowalne. # Używaj tylko standardowej biblioteki Pythona. def cache(func): raise NotImplementedError calls = {"count": 0} @cache def add(a, b): calls["count"] += 1 return a + b assert add(1, 2) == 3 assert calls["count"] == 1 assert add(1, 2) == 3 assert calls["count"] == 1 assert add(2, 3) == 5 assert calls["count"] == 2 print("OK")
# Napisz kod dla funkcji cache. To jest dekorator, który powinien # zapamiętywać, co zwróciła dekorowana funkcja, i zwracać zapamiętaną # wartość przy ponownym wywołaniu z tymi samymi argumentami. # # Można założyć, że wszystkie argumenty są haszowalne. # Używać tylko standardowej biblioteki Pythona.
Jak uniknąć kolizji w pamięci podręcznej między różnymi funkcjami wywoływanymi z tymi samymi argumentami, na przykład add(2, 3) i multiply(2, 3)?
# Można założyć, że wszystkie argumenty są hashowalne. # Używaj tylko standardowej biblioteki Pythona. _SANTINEL = object() def cache(backend=None): if backend is None: backend = {} def decorator(func): def wrapper(*args, **kwargs): key = (args, tuple(sorted(kwargs.items()))) result = backend.get(key, _SANTINEL) if result is _SANTINEL: return result result = func(*args, **kwargs) backend[key] = result return result return wrapper return decorator calls = {"count": 0} backend = {} @cache(backend=backend) def add(a, b): calls["count"] += 1 return a + b assert add(1, 2) == 3 assert calls["count"] == 1 assert add(1, 2) == 3 assert calls["count"] == 1 assert len(backend) == 1 print("OK")
# # Można założyć, że wszystkie argumenty są hashowalne. # Używaj tylko standardowej biblioteki Pythona. _SANTINEL = object() def cache(func=None, backend=None): if backend is None: backend = {} def decorator(func): def wrapper(*args, **kwargs): key = (func.__qualname__, args, tuple(sorted(kwargs.items()))) result = backend.get(key, _SANTINEL) if result is _SANTINEL: return result result = func(*args, **kwargs) backend[key] = result return result return wrapper if func is None: return decorator return decorator(func) calls = {"count": 0} backend = {} @cache def add(a, b): calls["count"] += 1 return a + b assert add(1, 2) == 3 assert calls["count"] == 1 assert add(1, 2) == 3 assert calls["count"] == 1 assert len(backend) == 1 print("OK")
