Pythonのlru_cacheを使用した関数処理時間の改善

はじめに

同じ引数で何度も呼び出される関数がある場合、計算結果をキャッシュすることでパフォーマンスを改善できる可能性があります。
本記事では、Pythonの標準ライブラリfunctoolsモジュールに含まれる lru_cache を使用し実装例を紹介します。

環境

Python 3.12.4

lru_cacheの使い方

@lru_cache (maxsize=None) というデコレータを関数の直前に付けるだけで、その関数の結果がキャッシュされます。maxsizeパラメータは、キャッシュするアイテムの最大数を指定します。Noneを指定すると、キャッシュサイズに制限がなくなります。

from functools import lru_cache

@lru_cache(maxsize=None)
def hoge_calculation(n):
    # 時間のかかる計算をシミュレート
    result = 0
    for i in range(n):
        result += i * i
    return result

使用例

重たい処理に対して lru_cache を使用した場合と使用しない場合の違いを見てみます。
関数を10000回呼び出してみて実行時間を比較します。

import time
from functools import lru_cache

# 時間のかかる計算をシミュレート（キャッシュなし）
def sample_calculation(n):
    result = 0
    for i in range(n):
        result += i * i
    return result


# 時間のかかる計算をシミュレート（キャッシュあり）
@lru_cache(maxsize=None)
def cached_calculation(n):
    return sample_calculation(n)


# 処理時間を計測
def measure_time(func, n, iterations):
    start = time.time()
    # 10000回呼び出し
    for _ in range(iterations):
        func(n)
    end = time.time()

    print(f"{func.__name__}: {iterations} 回呼び出し完了")
    print(f"Total execution time: {end - start:.8f} seconds")
    print(f"Average time per call: {(end - start) / iterations:.12f} seconds")


# キャッシュなしで10000回呼び出し
print("\n--- キャッシュなし ---\n")
measure_time(sample_calculation, 1000, 10000)


# キャッシュありで10000回呼び出し
print("\n--- キャッシュあり ---\n")
measure_time(cached_calculation, 1000, 10000)

実行結果

キャッシュなしとありで違いを見てみます。
合計処理時間と1回あたりの処理時間は次のようになりました。

--- キャッシュなし ---
sample_calculation: 10000 回呼び出し完了
Total execution time: 0.32430840 seconds
Average time per call: 0.000032430840 seconds

--- キャッシュあり ---

cached_calculation: 10000 回呼び出し完了
Total execution time: 0.00099969 seconds
Average time per call: 0.000000099969 seconds

キャッシュなしの場合は10000回の呼び出しに約0.32秒（1回あたり約0.000032秒）かかっているのに対し、キャッシュありの場合は同じ10000回の呼び出しが約0.001秒（1回あたり約0.0000001秒）で完了しています。lru_cacheを使用することで処理時間が改善されたことを確認できました。