javascript闭包如何构建记忆函数

· 日常编程 · 121326

闭包构建记忆函数的核心是利用闭包特性缓存已计算结果以提升性能。1. 通过 memoize 函数封装原函数，内部使用 cache 对象存储结果，参数序列化为键（如 json.stringify(args)），若缓存存在则直接返回，否则计算并缓存结果；2. 缓存键生成策略需根据参数类型选择：简单类型可拼接字符串，对象可基于唯一标识属性（如 id）生成，或使用自定义序列化函数或哈希库避免 json.stringify 在循环引用或顺序敏感时的问题；3. 闭包还可用于封装私有变量（如计数器）、实现模块化（封装私有成员）、保存函数状态（如带上下文的问候函数）；4. 记忆函数不适用于计算成本低、参数空间大、有副作用、可变参数顺序影响结果或缺乏缓存失效策略的场景；因此，记忆函数适用于高计算成本、小参数空间、无副作用的函数，使用前需权衡缓存开销与收益，并选择合适的键生成与缓存管理策略，以确保性能优化效果。

闭包构建记忆函数，简单来说，就是利用闭包记住已经计算过的结果，下次再算同样的值时，直接返回，不用重新计算，提高效率。

解决方案：

function memoize(func) {
  const cache = {}; // 缓存结果的地方

  return function(...args) {
    const key = JSON.stringify(args); // 将参数序列化成字符串作为key
    if (cache[key]) {
      return cache[key]; // 如果缓存中有，直接返回
    } else {
      const result = func.apply(this, args); // 否则，计算结果
      cache[key] = result; // 缓存结果
      return result; // 返回结果
    }
  };
}

// 例子：一个耗时的计算函数
function slowFibonacci(n) {
  if (n <= 1) {
    return n;
  }
  return slowFibonacci(n - 1) + slowFibonacci(n - 2);
}

// 使用记忆函数
const memoizedFibonacci = memoize(slowFibonacci);

console.time("First call");
console.log(memoizedFibonacci(10)); // 第一次调用，会计算
console.timeEnd("First call");

console.time("Second call");
console.log(memoizedFibonacci(10)); // 第二次调用，直接从缓存取
console.timeEnd("Second call");

这里 

memoize

函数接收一个函数 

func

作为参数，返回一个新的函数。这个新的函数就是记忆函数。 它内部维护一个 

cache

对象，用于存储已经计算过的结果。每次调用记忆函数时，先检查 

cache

中是否存在对应参数的结果，如果存在，直接返回；否则，调用原始函数 

func

计算结果，并将结果存入 

cache

中，然后返回。

如何选择合适的缓存键值生成策略？

缓存键值生成策略直接影响记忆函数的效果。

JSON.stringify

是一种简单常用的方法，但并非总是最佳选择。例如，如果参数包含循环引用，

JSON.stringify

会报错。 此外，如果参数的顺序不同但逻辑上相等，

JSON.stringify

会生成不同的键值，导致缓存失效。

可以考虑以下策略：

  1. 简单类型参数： 如果参数都是数字、字符串等简单类型，可以直接拼接成字符串作为键值。

  2. 对象类型参数： 如果参数是对象，可以根据对象的特定属性生成键值。确保这些属性能够唯一标识对象的逻辑状态。例如，如果对象有 

    id

    属性，可以使用 

    id

    作为键值。

  3. 自定义序列化函数： 如果需要更复杂的序列化逻辑，可以自定义序列化函数，将参数转换为字符串或其他类型的键值。

  4. 使用库： 可以使用现有的库来生成键值，例如 

    hash-object

    可以将对象转换为哈希值。

选择合适的策略需要根据实际情况进行权衡。

JSON.stringify

简单易用，但可能不适用于所有情况。自定义序列化函数可以提供更大的灵活性，但需要更多的工作量。

闭包除了缓存结果，还能做什么？

闭包的用途远不止缓存结果。 它还可以用于：

  1. 封装私有变量： 闭包可以创建私有变量，防止外部直接访问和修改。 例如：

    function createCounter() {
  let count = 0; // 私有变量

  return {
    increment: function() {
      count++;
    },
    getCount: function() {
      return count;
    }
  };
}

const counter = createCounter();
counter.increment();
console.log(counter.getCount()); // 输出 1
// counter.count // 无法直接访问 count

  2. 实现模块化： 闭包可以用于创建模块，将相关的变量和函数封装在一起。 例如：

    const myModule = (function() {
  let privateVar = "Hello";

  function privateFunction() {
    console.log(privateVar);
  }

  return {
    publicFunction: function() {
      privateFunction();
    }
  };
})();

myModule.publicFunction(); // 输出 "Hello"
// myModule.privateVar // 无法直接访问 privateVar

  3. 保存状态： 闭包可以保存函数的状态，即使函数执行完毕，状态仍然存在。 例如：

    function createGreeter(greeting) {
  return function(name) {
    console.log(greeting + ", " + name + "!");
  };
}

const greetHello = createGreeter("Hello");
greetHello("World"); // 输出 "Hello, World!"
const greetHi = createGreeter("Hi");
greetHi("There"); // 输出 "Hi, There!"

记忆函数在哪些场景下不适用？

记忆函数虽然可以提高效率，但也并非适用于所有场景。以下是一些不适用的情况：

  1. 计算成本低： 如果原始函数的计算成本很低，例如简单的加减运算，那么使用记忆函数带来的收益可能小于开销。因为缓存键值的生成、查找和存储也需要时间。

  2. 参数空间大： 如果函数的参数空间非常大，例如参数是任意字符串，那么缓存可能会占用大量的内存。 此外，缓存命中率也会降低，导致效率提升不明显。

  3. 副作用： 如果原始函数有副作用，例如修改全局变量或执行 I/O 操作，那么使用记忆函数可能会导致意外的结果。 因为记忆函数会缓存结果，导致副作用只执行一次，而不是每次调用都执行。

  4. 可变参数： 如果函数接受可变参数，并且参数的顺序会影响结果，那么需要特别注意缓存键值的生成。 

    JSON.stringify

    可能无法正确处理这种情况。

  5. 缓存失效策略： 如果没有合适的缓存失效策略，缓存可能会过期或占用过多的内存。 需要根据实际情况选择合适的缓存失效策略，例如 LRU (Least Recently Used) 或 LFU (Least Frequently Used)。

简而言之，记忆函数适用于计算成本高、参数空间小、没有副作用的函数。 在使用记忆函数之前，需要仔细评估其适用性，并选择合适的缓存策略。

以上就是javascript闭包如何构建记忆函数的详细内容，更多请关注骃骐网【www.myinqi.com】。

相关推荐：

Python中如何对NumPy数组执行快速幂运算_使用power函数实现向量化

np.power 比 快因底层C向量化实现，避免Python循环开销；支持out/where/dtype等参数，更安全可控；对负底数非整指数默认报错，而 静默返回nan；np.float_power专为负底数浮点指数设计。 为什么 np.power 比循环调用 ** 快得多 因为 np.power 是底层 C 实现的向量化函数，它一次性处理整个数组，避免 Python 循环开销和逐元素类型检查。而...

如何在Python中实现带参数的装饰器_通过三层函数嵌套传递外部参数

带参数的装饰器必须三层：外层接收参数并返回装饰器，中层接收函数，内层接收调用参数；不加@functools.wraps会导致__name__、__doc__等元信息丢失，影响调试、反射和IDE功能；参数校验应放在外层。 为什么带参数的装饰器必须用三层函数 因为 Python 的 @ 语法只接受一个可调用对象作为装饰器，而你传进去的 @log(level="DEBUG") 实际上是先执行 log(l...

如何在对象属性批量更新后仅执行一次回调函数

本文介绍一种优雅的 python 设计模式：通过私有属性 + 只读属性 + 显式 update() 方法，确保对象状态变更时回调函数（如数据校验、视图刷新等）仅被触发一次，避免重复计算，同时保持 ide 类型提示与代码可维护性。 本文介绍一种优雅的 python 设计模式：通过私有属性 + 只读属性 + 显式 update() 方法，确保对象状态变更时回调函数（如数据校验、视图刷新等）仅被触发一次...

Python中如何求NumPy数组的百分位数_使用percentile函数进行统计

numpy.percentile用于计算数组指定百分位数，关键参数包括a（输入数组）、q（0–100间百分位数）、axis（计算轴，默认None展平）；含NaN需设nan_policy='omit'；method控制插值方式；keepdims配合axis保留维度。 percentile函数的基本用法和参数含义 numpy.percentile 是计算数组中指定百分位数的主力函数，它不修改原数组，返...

如何确保对象属性批量更新后仅触发一次回调函数

本文介绍一种优雅的 Python 设计方案：通过禁用直接属性赋值 + 提供类型安全的 update() 方法，实现在多个属性变更后统一、且仅执行一次回调函数，兼顾 IDE 智能提示、代码可维护性与运行时可靠性。 本文介绍一种优雅的 python 设计方案：通过禁用直接属性赋值 + 提供类型安全的 `update()` 方法，实现在多个属性变更后统一、且仅执行一次回调函数，兼顾 ide 智能提示、代...

Python如何实现图的深度优先遍历_基于栈结构或递归函数实现

递归DFS栈溢出风险高因CPython默认递归深度仅1000，长链或环易触发RecursionError；隐式栈不可控，闭包和帧对象加剧内存开销；图应优先用显式栈实现。 递归实现DFS时，为什么栈溢出风险比预期高？ Python默认递归深度限制是1000层，图中存在长链或环状结构时极易触发RecursionError。这不是算法错，而是CPython解释器对递归调用的硬性约束。 用sys.setr...

如何使用Python中的calendar模块判断闰年_调用isleap函数

应直接使用 calendar.isleap() 判断闰年，它准确实现公历规则、线程安全、性能优且自 Python 2.3 起稳定兼容，避免手写逻辑出错或误用类型。 直接用 calendar.isleap() 判定闰年，别自己写逻辑 Python 的 calendar.isleap() 是最可靠、最省事的闰年判断方式。它封装了格里高利历（公历）全部规则：能被 4 整除但不能被 100 整除，或能被 ...

Python中如何获取当前正在运行的所有异步任务_使用asyncio.all_tasks函数

asyncio.all_tasks 返回当前事件循环中所有未完成的Task对象集合（set），为空常因未启动事件循环、无活跃循环、任务已完结或跨线程未正确设置循环。 asyncio.all_tasks 返回什么，为什么有时为空 asyncio.all_tasks 返回当前事件循环中所有未完成的 Task 对象集合（set），但它**只作用于当前线程中已运行且未关闭的事件循环**。常见误区是直接调用...

如何修复Python中NumPy不支持中文路径的问题_通过open函数读取字节流

NumPy的loadtxt等函数无法读取中文路径的根本原因在于其底层调用C标准库fopen时依赖系统默认编码（如Windows的GBK），而Python 3传递的是Unicode字符串，未做显式编码适配，导致OSError或UnicodeDecodeError；正确做法是用open('rb')读字节流，再经io.BytesIO包装后传入NumPy函数。 NumPy的loadtxt、genfromt...

Python内置函数有哪些_常用BIF如len/max/min/sum汇总

Python内置函数是类型协议的快捷入口，如len()调用__len__()、max()依赖__iter__()和比较方法，理解此机制可避免参数类型错误与兼容性问题。 Python内置函数不是“功能列表”，而是“类型协议的快捷入口” Python的内置函数（BIF）绝大多数不是独立实现的逻辑，而是对对象__len__、__iter__、__lt__等特殊方法的统一调用封装。比如len(x)实际触发...