记忆的局限性是什么？答案

【问题标题】：What are the limitations of memoization?记忆的局限性是什么？
【发布时间】：2014-05-11 16:35:29
【问题描述】：

考虑到程序性能优化的记忆，似乎在某些情况下它可能非常有益，因为它完全消除了重复计算。并且在 Python、Java、C/C++ 等编程语言中有大量现有的语言级支持。其中一个示例是名为 IncPy 的 Python 解释器。它可以自动记忆，程序员不需要额外的工作。

但是，我不认为 memoization 在现实世界的项目中被广泛采用。也没有大公司对此感兴趣。那么，它的主要限制是什么？

欢迎和赞赏任何建议或想法。以下是我理解的一些限制：

初始执行速度变慢
空间开销
程序员的额外负担，因为它可能需要程序员修改代码

（我从这里稍微更新了我的问题。）

感谢您的 cmets。我想在我在这里列出的三个原因中，第三个更重要。这是正确的吗？

如果你认为memoization确实被广泛使用，你能给我一些例子，或者一些关键词吗？

谢谢！

【问题讨论】：

我认为记忆化被广泛采用，各种类似的缓存技术也是如此。
Java、C++ 和当然 C 缺乏语言级别的支持。我认为 Python 也没有，但我可能已经过时了。
你不会在任何地方都使用 memoization - 只有在纯函数上，只有当你希望函数被相同的参数重复调用，并且只有当缓存空间和代码复杂性成本时与运行时节省相比，结果很低 - 但在适当的时候，我们当然会使用它。
特别是对于动态规划算法，memoization 是极其重要的。但大多数时候，它并不适用。
记忆化作为一种优化技术很好，并且不受您所说的限制。我用它来加速过去运行在 10 秒内的代码，由于这种技术，现在运行在 0.03 秒内。有限的是接受它、理解它并知道如何应用它的程序员的数量；）。

标签： performance optimization memoization

【解决方案1】：

在一个程序中可以看到一个简单的例子，使用递归获取 febonacci 数列

function memoize(fn)
{
  const cache = {};
  return function(...args)
  {
    if (cache[args])
    {
      return cache[args];
    }

    const result = fn.apply(this, args);
    cache[args] = result;

    return result;
  };
}

function slowfib(n) {
  if(n < 2)
  {
    return n;
  }
  return fib(n-1) + fib(n-2);

}

const fib = memoize(slowfib);

==-=======memoize 的结果============= ✓ 定义 Fib 函数 (3ms) ✓ 计算 1 (1ms) 的正确 fib 值 ✓ 计算 2 的正确 fib 值 ✓ 计算 3 的正确 fib 值 ✓ 计算 4 的正确 fib 值 ✓ 计算 15 的正确 fib 值

测试套件：1 个通过，总共 1 个测试：6 次通过，共 6 次快照：共 0 个时间：1.118s 运行所有匹配 /fib/test.js/i 的测试套件。

=========没有 Memoize 的结果======= 通过 fib/test.js ✓ 定义 Fib 函数 (3ms) ✓ 计算 1 (1ms) 的正确 fib 值 ✓ 计算 2 的正确 fib 值 ✓ 计算 3 的正确 fib 值 ✓ 计算 4 的正确 fib 值 ✓ 计算 15 (747ms) 的正确 fib 值

测试套件：1 个通过，总共 1 个测试：6 次通过，共 6 次快照：共 0 个时间：1.496s

查看最后一次测试所用的时间和总时间

【讨论】：

【解决方案2】：

我想其中一个警告（不一定是限制）是当我们试图记忆的函数也可能返回错误时。在这种情况下，必须小心不要记住错误。

【讨论】：