Question

考虑一个函数f(*x)，它需要很多参数*x。基于这些参数（对象），函数f组成一个相当复杂的对象o并返回它。 o实现了__call__，因此o本身就是一个函数。由于o的组合非常耗时，并且在我的场景中，基于相同的参数o有多个*x实例是没有意义的，因此它们将被缓存。

现在的问题是：如何基于多个参数*x有效地计算哈希值？目前我正在使用python字典，并且我连接每个str()的{{1}}表示来构建每个键。它适用于我的场景，但感觉相当尴尬。我需要以非常高的频率调用结果对象x，所以我怀疑o的重复调用和字符串连接会浪费大量的计算时间。

Answer 1

您可以使用hash内置函数，将x中项目的哈希值组合在一起。执行此操作的典型方法（请参阅例如the documentation）将跨越各个对象的所有哈希值xor：

建议以某种方式混合（例如使用exclusive或）对象组件的哈希值，这些哈希值也在对象的比较中起作用

要以功能性方式实现这一点，请使用operator和reduce：

from functools import reduce # only required in Python 3.x
from operator import xor

def hashed(*x):
    return reduce(xor, map(hash, x))

另见this question。

Answer 2

从版本3.2开始，Python已经包含了一个可以使用的LRU缓存实现根据参数缓存函数的结果： functools.lru_cache

示例：

from functools import lru_cache

@lru_cache(maxsize=32)
def f(*args):
    """Expensive function
    """
    print("f(%s) has been called." % (args, ))
    return sum(args)


print(f(1, 2, 3))
print(f(1, 2, 3, 4))
print(f(1, 2, 3))
print(f.cache_info())

输出：

f((1, 2, 3)) has been called.
6
f((1, 2, 3, 4)) has been called.
10
6
CacheInfo(hits=1, misses=2, maxsize=32, currsize=2)

（注意f(1, 2, 3)仅被调用一次）

正如评论中所建议的那样，最好只使用参数的hash()来为你的参数构建缓存键 - 这就是lru_cache已经为你做的事情。

如果您仍然使用Python 2.7，Raymond Hettinger已经发布了一些您可以在自己的代码中使用的recipes with LRU caches。

如何快速计算对象集合的哈希值？

2 个答案: