是这样的，今天把我的活干完，看到一段代码
然后，我发现了这样一段代码
@cache.cached(timeout=60, key_prefix='binary')def random_binary(): return random.sample(range(10 ** 5, 10 ** 6), 1)[0]
当时第一感觉是，为了这个东西要计算两次乘方？这个开销不必要的吧
但是还是觉得不对劲。。。仔细看了看
range(10 ** 5, 10 ** 6）
？？？？？？为了这个随机数，要生成长度九万的数组？几百k的内存？？？
但是，还有什么呢。。。
继续。。
生成的是随机数，然后用flask-cache缓存了？？
但是用来缓存函数的不应该是flask-memoize吗？
但是随机数结果用来缓存了，还是随机数吗？？
去flask-cache源码里面看一下
1 class Cache(object): 2 ...... 3 def memoize(self, timeout=None, make_name=None, unless=None): 4 def memoize(f): 5 @functools.wraps(f) 6 def decorated_function(*args, **kwargs): 7 #: bypass cache 8 if callable(unless) and unless() is True: 9 return f(*args, **kwargs)10 11 try:12 cache_key = decorated_function.make_cache_key(f, *args, **kwargs)13 rv = self.cache.get(cache_key)14 except Exception:15 if current_app.debug:16 raise17 logger.exception("Exception possibly due to cache backend.")18 return f(*args, **kwargs)19 20 if rv is None:21 rv = f(*args, **kwargs)22 try:23 self.cache.set(cache_key, rv,24 timeout=decorated_function.cache_timeout)25 except Exception:26 if current_app.debug:27 raise28 logger.exception("Exception possibly due to cache backend.")29 return rv30 31 decorated_function.uncached = f32 decorated_function.cache_timeout = timeout33 decorated_function.make_cache_key = self._memoize_make_cache_key(34 make_name, decorated_function)35 decorated_function.delete_memoized = lambda: self.delete_memoized(f)36 37 return decorated_function38 return memoize cache.memoize()是利用make_cache_key(f, *args, **kwargs)作为键存入redis的，那么make_cache_key是怎么工作的？
1 def make_cache_key(*args, **kwargs): 2 if callable(key_prefix): 3 cache_key = key_prefix() 4 elif '%s' in key_prefix: 5 cache_key = key_prefix % request.path 6 else: 7 cache_key = key_prefix 8 9 return cache_key
结果就是，不管有多少请求，只要在60秒内，返回的结果都是一样的，随机的意义在哪呢。。。唯一的好处就是不会几百k的内存消耗变成几十M吧，画面太美
参考资料：
https://github.com/thadeusb/flask-cache/blob/master/flask_cache/__init__.py#L337