Cuando se realizan repetidas llamadas a funciones con el mismo argumento, esto hace que se repita el cálculo. Memorización es útil en escenarios donde los resultados de las llamadas a funciones se pueden “guardar” para uso futuro. Esto se traduce en ahorro de tiempo y optimización del código, ya que el código se vuelve menos costoso desde el punto de vista computacional. Almacenamiento en caché es un término más general utilizado para referirse al almacenamiento de cualquier dato.
¡Este artículo abordará las diferentes estrategias de almacenamiento en caché, las consideraciones sobre el almacenamiento en caché y cómo habilitar e implementar diferentes tipos de almacenamiento en caché para sus scripts (usando el paquete Python y su implementación)!
Existen varias estrategias para el almacenamiento en caché según sus necesidades, como por ejemplo:
- Menos utilizado recientemente (LRU): elimina los datos utilizados menos recientemente, el tipo de almacenamiento en caché más común
- Uso menos frecuente (LFU): elimina los datos utilizados con menos frecuencia
- Primero en entrar, primero en salir (FIFO): elimina los datos más antiguos
- Último en entrar, primero en salir (LIFO): elimina los datos más recientes
- Usado más recientemente (MRU): elimina los datos usados más recientemente
- Reemplazo aleatorio (RR): elimina datos seleccionados aleatoriamente
Al utilizar el almacenamiento en caché en sus aplicaciones, debe considerar la huella de memoria del caché ya que almacena información adicional. Si decide entre diferentes implementaciones, en términos de arquitectura y estructuras de datos, existen algunas consideraciones de tiempo, como por ejemplo:
- Tiempo de acceso: Para los argumentos que se han calculado antes, se debe acceder rápidamente a los resultados en
O(1)tiempo - tiempo de inserción: Para nuevos argumentos, los datos deben insertarse en la memoria caché, preferiblemente en
O(1)tiempo (dependiendo de la implementación, algunos pueden tardarO(n)tiempo, elige sabiamente!) - hora de eliminación: En el caso…