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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0236
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0165
kornia🐍 空间人工智能的几何计算机视觉库Python02
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
项目优选
收起
暂无描述
Dockerfile
783
5.13 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
893
2.06 K
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
471
477
Ascend Extension for PyTorch
Python
763
983
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
713
1.44 K
deepin linux kernel
C
32
16
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
456
165
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++
1.11 K
1.16 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.42 K
683
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.05 K
273