Thi.ng Memoize 库中的异步函数缓存优化实践
2025-06-20 23:07:32作者:龚格成
背景介绍
在函数式编程中,memoize(记忆化)是一种常见的性能优化技术,它通过缓存函数调用的结果来避免重复计算。当相同的输入再次出现时,直接从缓存中返回结果,而不是重新执行函数。这对于计算密集型或IO密集型的操作特别有用。
问题发现
在使用Thi.ng Memoize库时,我们发现了一个关于异步函数缓存的特殊问题:当Promise被拒绝时,原始的memoize实现会缓存这个被拒绝的Promise。这意味着后续相同的调用会立即得到相同的拒绝结果,而不是重新尝试执行函数。
这种情况在某些场景下可能不是我们期望的行为。例如,当函数执行失败是由于临时性错误(如网络问题)导致时,我们可能希望在下次调用时重试,而不是直接返回之前的失败结果。
问题示例
考虑以下场景:
// 模拟一个会在指定时间后拒绝的Promise
function rejectAfterDelay(ms?: number) {
return new Promise((_, reject) => setTimeout(reject, ms))
}
// 使用memoizeO缓存异步函数
const memoizedAsyncFn = memoizeO(async (delay: number) => {
console.log('executing')
await rejectAfterDelay(delay)
})
// 第一次调用,2秒后拒绝
await memoizedAsyncFn(2000).catch(() => console.log('Failure 1'))
// 第二次调用相同的参数
// 会立即返回之前缓存的拒绝Promise,而不是等待2秒
await memoizedAsyncFn(2000).catch(() => console.log('Failure 2 without delay'))
解决方案
Thi.ng Memoize库在4.0.0版本中引入了专门的异步memoize函数(如memoizeAsyncO),这些新函数会在Promise被拒绝时自动跳过缓存。这样,当下次使用相同参数调用时,函数会重新执行而不是返回缓存的拒绝结果。
实现原理
新的异步memoize函数的核心改进在于:
- 仍然使用相同的缓存机制来存储Promise
- 但当Promise被拒绝时,会从缓存中删除对应的条目
- 这样下次调用就会创建新的Promise并重新执行函数
这种实现方式既保持了memoize的性能优势,又避免了缓存失败结果带来的问题。
使用建议
对于异步函数,现在推荐使用专门的异步memoize函数,如:
- memoizeAsyncO:对象参数版本的异步memoize
- memoizeAsync1:单参数版本的异步memoize
- 其他对应版本的异步memoize函数
这些函数的使用方式与原始版本相同,但提供了更合理的错误处理行为。
总结
Thi.ng Memoize库的异步memoize改进展示了函数缓存技术在实际应用中的细致考量。通过区分同步和异步场景,并为异步操作提供专门的缓存策略,开发者可以更安全地在项目中应用memoize优化,特别是在涉及可能失败的异步操作时。这一改进使得Thi.ng Memoize库在保持高性能的同时,提供了更符合开发者预期的行为。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
677
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781