Python 缓存与 CLI 工具入门（三）：`@app.route('/')` 实践

同理，让我们看看 Web 后端开发框架的 Flask 的装饰器用法#

我们刚刚说了如何用 @lru_cache 来做缓存进行函数调用的场景，接下来我们扩展一下，展示装饰器在 Web 后端开发框架 Flask 中的典型用法。

在 Flask 里，装饰器被广泛用于定义“路由”，也就是 URL 与处理函数之间的绑定。

示例：定义一个简单的网页接口

from flask import Flask

app = Flask(__name__)

@app.route('/')
def home():
    return 'Hello, Flask!'

这是怎么回事？

• @app.route('/') 是一个装饰器，它告诉 Flask：

  “当用户访问网站的根路径 / 时，就调用 home() 这个函数，把返回的内容显示在页面上。”

这和 @lru_cache 本质上一样 —— 用一个装饰器函数来包装你的原始函数，附加新的功能（这里是 URL 路由绑定）。

再看一个带参数的例子：

@app.route('/hello/<name>')
def greet(name):
    return f'Hello, {name}!'

访问 http://localhost:5000/hello/Alice 时，返回：

Hello, Alice!

Flask 装饰器 vs @lru_cache：对比总结

小结，装饰器在不同领域有不同用法：

• 在算法中（如 @lru_cache）：做性能优化
• 在 Web 开发中（如 @app.route）：做接口注册
• 在测试中（如 @pytest.mark.parametrize）：做参数组合
• 在类设计中（如 @property）：做接口转换

掌握装饰器 = 打通 Python 中各种高级语法的任督二脉！

实践：斐波那契数列对比实验#

我们以斐波那契函数为例，演示缓存的效果。

不使用缓存的情况：

def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

使用 @lru_cache：

from functools import lru_cache

@lru_cache(maxsize=None)
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

在命令行中运行对比#

将上面的代码保存为两个文件，例如：

• fib_no_cache.py
• fib_with_cache.py

分别包含不带缓存和带缓存的版本。

然后在终端中使用 time 命令运行：

time python fib_no_cache.py
time python fib_with_cache.py

建议测试 n=35 或更大的数字，你会明显看到耗时差异。

示例结果对比

以 n=35 为例：

• 未使用缓存：

  real    0m12.345s
  user    0m12.300s
  sys     0m0.010s

• 使用 @lru_cache：

  real    0m0.005s
  user    0m0.004s
  sys     0m0.000s

差距惊人。这说明对于递归调用和重复输入的函数，缓存能显著提升性能。

总结#

• 装饰器是 Python 的一个强大功能，可以让你轻松扩展函数的行为。
• @lru_cache 是处理函数重复计算的一大利器，尤其适合递归算法。
• CLI 工具如 time 可帮你直观评估代码性能。

下一篇我们将继续探索如何构建自己的 CLI 工具，并添加命令参数来控制行为，敬请期待！