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 StartedRust0446
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 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。Python0766
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0310
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
项目优选
收起
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
494
515
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
799
1.14 K
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++
780
1.57 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++
965
2.27 K
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
844
6.18 K
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++
1.21 K
1.24 K
AtomGit CLI (ag cli),AtomGit 命令行工具,参考 GitHub CLI (gh) 开发。
目前 atomgit-cli 项目已在 AtomCode 的 Coding Plan 项目列表中
Go
40
24
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
644
279
暂无描述
Markdown
827
5.48 K