为什么一个记忆策略比另一个慢？

Question

所以关于回忆的这个page让我很好奇。我运行了自己的基准测试。

1）可变默认字典：

%%timeit
def fibo(n, dic={}) :
    if n not in dic :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
    return dic[ n ]
fibo(30)

输出：

100000 loops, best of 3: 18.3 µs per loop

2）同样的想法，但遵循“更容易请求宽恕而不是许可”的原则：

In [21]:

%%timeit
def fibo(n, dic={}) :
    try :
        return dic[n]
    except :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
        return dic[ n ]
fibo(30)

输出：

10000 loops, best of 3: 46.8 µs per loop

我的问题

• 为什么2）与1）相比这么慢？

修改

正如@kevin在评论中所说，我让装饰者完全错了所以我删除了它。其余的仍然有效！ （我希望）

Answer 1

捕获异常意味着堆栈跟踪可能非常昂贵：

https://docs.python.org/2/faq/design.html#how-fast-are-exceptions

在两种情况下，例外非常有效：

1. try ... finally
2. try ... except，前提是不会抛出任何异常

但是，当异常发生并捕获所需的堆栈跟踪时 增加了很多开销。

Answer 2

方法一共进行三次查找（n not in dic:，插入dic[n] =并返回dic[n]）。第二种方法还在最坏情况（检索尝试dic[n] =，插入dic[n] =和返回dic[n]）中进行了三次查找，并且还涉及异常处理。 / p>

如果一种方法与另一种方法完成相同的工作，并添加了一些东西，它显然不会更快，而且很可能会更慢。

考虑比较备忘录有更多场合有用的场景中的效率 - 即多次运行该函数，以比较摊销的复杂性。这样，第二种方法的最坏情况将不常发生，并且您可以从一次查找中获得更少的东西。

版本1：

def fibo(n, dic={}) :
    if n not in dic :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
    return dic[ n ]

for i in range(10000):
    fibo(i)

版本2：

def fibo(n, dic={}) :
    try :
        return dic[n]
    except :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
        return dic[ n ]

for i in range(10000):
    fibo(i)

测试：

  

C：\ Users \ Bartek \ Documents \ Python＆gt; python -m timeit - “import version1”
  1000000循环，最佳3：1.64每循环使用

     

C：\ Users \ Bartek \ Documents \ Python＆gt; python -m timeit - “import version2”
  1000000循环，最佳3：1.6每循环usec

当更频繁地使用该函数时，缓存会填充更多值，这反过来会降低异常的可能性。