当前位置:

首页 > 编程开发 > @lru_cache 导致栈溢出的原因在于它会缓存所有递归调用的结果,从而可能增加递归深度。而普通 DP 递归通常通过自底向上或记忆化方式优化,避免了过深的递归

@lru_cache 导致栈溢出的原因在于它会缓存所有递归调用的结果,从而可能增加递归深度。而普通 DP 递归通常通过自底向上或记忆化方式优化,避免了过深的递归

Python中@lru_cache的底层C实现会额外消耗C栈空间,导致即使Python层递归深度相同,C层栈仍可能溢出;而纯Python递归在3.11+已通过内联调用优化避免C栈增长,因此能安全处理数十万级深度。

本文目录

    为什么 @lru_cache 会导致深度递归栈溢出,而普通 DP 递归却不会?

    Python 中 `@lru_cache` 的底层 C 实现会额外消耗 C 栈空间,导致即使 Python 层递归深度相同,C 层栈仍可能溢出;而纯 Python 递归在 3.11+ 已通过内联调用优化避免 C 栈增长,因此能安全处理数十万级深度。

    在解决树形动态规划(如 CSES “Subordinates” 问题)时,你可能会惊讶地发现:逻辑完全一致的递归代码,仅因是否使用 @lru_cache,就从稳定运行变为直接崩溃(exit code 0xC00000FD)。这并非算法或复杂度差异所致,而是 Python 运行时底层机制的关键区别。

    ? 根本原因:Python 栈 vs C 栈

    • 普通递归(无装饰器):
      自 Python 3.11 起,解释器引入了 Inlined Python Function Calls。当一个 Python 函数调用另一个 Python 函数时,不再进入 C 层解释循环(PyEval_EvalFrameDefault),从而几乎不消耗 C 调用栈空间。你的 dfs() 即使递归 20 万层,也只占用 Python 堆上的帧对象(受 sys.setrecursionlimit 管控),而 C 栈保持极浅。

    • @lru_cache 递归:
      functools.lru_cache 在 CPython 3.11/3.12 中是 C 实现(_functoolsmodule.c)。每次缓存命中或未命中,都会触发 C 函数调用链(如 lru_cache_wrapper_call → 你的 dfs → 再次 lru_cache_wrapper_call…)。这意味着:
      ✅ Python 层递归深度 = N
      ❌ C 层递归深度 ≈ 2×N(每层 Python 调用夹带一层 C 包装器调用)
      而主流操作系统默认 C 栈大小仅约 8 MB,对应 C 递归深度通常仅 数千至一两万层 —— 20 万层必然触发 SIGSEGV(Windows: 0xC00000FD,Linux: SIGSEGV 或 SIGABRT)。

    ? 验证与对比(Python 3.11 行为)

    import sys
    sys.setrecursionlimit(2 * 10**6)  # 尝试设极高限制
    
    # ✅ 安全:纯 Python 递归(C 栈几乎不增长)
    def dfs_safe(v):
        if v >= 200000: return 0
        return 1 + dfs_safe(v + 1)
    
    # ❌ 崩溃:lru_cache 引入 C 层递归
    from functools import lru_cache
    @lru_cache(None)
    def dfs_crash(v):
        if v >= 200000: return 0
        return 1 + dfs_crash(v + 1)

    ? 提示:在 Python 3.12 中,sys.setrecursionlimit() 仅作用于 Python 层,C 层递归由独立保护机制截断(抛出 RecursionError 而非崩溃),但依然无法突破 C 栈物理限制。

    ✅ 解决方案:绕过 C 层,用纯 Python 缓存

    若必须缓存且需超深递归,可替换为纯 Python 实现的简易 lru_cache:

    def simple_cache(_):
        def decorator(func):
            memo = {}
            def wrapper(x):
                if x not in memo:
                    memo[x] = func(x)
                return memo[x]
            return wrapper
        return decorator
    
    # 替换 @lru_cache(None) 为 @simple_cache(None)
    @simple_cache(None)
    def dfs(v: int) -> int:
        if not graph[v]:
            return 0
        return sum(dfs(u) + 1 for u in graph[v])

    此版本完全运行在 Python 层,享受 3.11+ 的内联优化,20 万层递归毫无压力。

    ⚠️ 注意事项与最佳实践

    • 不要依赖 sys.setrecursionlimit(2e9):该值远超 OS C 栈容量,3.11 会盲目尝试并崩溃;3.12 虽更安全,但仍无法解决 C 层瓶颈。
    • 优先迭代化:对树形 DP,显式栈(collections.deque)或后序遍历数组可彻底规避递归:
      from collections import deque
      order = []
      stack = [0]
      while stack:
          v = stack.pop()
          order.append(v)
          stack.extend(graph[v])  # 子节点入栈
      # 逆序处理 order → 自底向上 DP
    • 慎用 @lru_cache 处理深递归:它适合“宽而浅”(如记忆化搜索状态数少、分支多),而非“窄而深”(单链树、线性递归)场景。
    • 调试技巧:用 resource.getrusage(resource.RUSAGE_SELF).ru_isrss 监控内存,用 ulimit -s 查看当前 C 栈限制(Linux/macOS)。

    理解 Python 的“双栈模型”(Python 对象栈 + C 调用栈)是写出健壮递归代码的关键。当性能与安全性冲突时,显式控制(迭代/手动缓存)永远比依赖黑盒装饰器更可靠。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    编程开发
    相关文章 更多
    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?
    Modern Web Guidance 的 legacy-scan 反转建议应该怎样判断?

    说明源码提交对字符串、生成器和数组的识别边界,以及扫描命令与发行包核验限制。

    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?
    Codex 0.170.0 正式版的语音与连接更新,适用范围有哪些限制?

    0.170.0 的语音更新限于终端通话协商能力的明确新增,同名工具服务器跨环境支持仍标注实验性质;连接部分则修复大请求回退、认证竞态和云端重连等具体问题。这份正式版公告不足以证明所有账户、所有客户端都已具备完整语音功能。

    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?
    Hy4 flash 三种权重怎么选,安装和授权要注意哪些条件?

    了解Hy4 flash、FP8与base的适用任务,阅读官方安装及图文代码,并核对资源和MaaS许可条件。

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化
    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化

    OpenAI Python SDK 3.55.0 升级看点:Live MCP 服务配置与预算接口变化。说明已核实的更新范围、类型兼容性和本地版本确认方法。

    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?
    OpenAI Java SDK 4.108.0 的两项新增能力适合哪些项目?

    OpenAI Java SDK 4.108.0 面向 Live MCP 工具接入与 Managed Agents 预算状态处理,说明新增模型、事件含义、正式发布范围和适用限制。

    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?
    Free Claude Code 6.19.37 如何兼顾网页搜索与普通工具调用?

    Free Claude Code 6.19.37 在自动搜索时保留客户端工具及选择条件,代理执行搜索后仍返回普通调用。说明适用场景、历史信息保留、请求约束与第三方项目的版本边界。

    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?
    Google GenAI Go SDK 1.78.0 的 v1beta 配置优先级怎样判断?

    Google GenAI Go SDK 1.78.0 将 Gemini Developer API 默认改为 v1,可用 HTTPOptions.APIVersion 或环境变量保留 v1beta,Vertex AI 默认值不变。

    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?
    Google GenAI SDK 3.5.0实时交互值得哪些项目升级评估?

    解释实验性实时支持、环境检查与生产评估中需要验证的条件。

    EGM Lite 为什么不会在生成检查清单后自动执行?
    EGM Lite 为什么不会在生成检查清单后自动执行?

    围绕 EGM Lite Stage 2 的仓库实现说明五步职责、人工执行门槛、独立审查条件及已分发包的证据边界。

    Open Code Review 1.13.12 的部分失败与字节边界该怎样评估?
    Open Code Review 1.13.12 的部分失败与字节边界该怎样评估?

    Open Code Review 1.13.12 的升级评估应同时关注退出状态、覆盖缺口与文件读取截断边界。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。