緩存注意事項
Numba支持將編譯后的函數緩存到文件系統中，以供將來使用相同的函數。
實施
通過保存編譯后的目標代碼（可執行代碼的ELF對象）來完成緩存。通過使用目標代碼，由于不需要編譯，因此緩存的函數具有最小的開銷。緩存的數據保存在緩存目錄下（請參閱NUMBA_CACHE_DIR）。緩存的索引存儲在.nbi文件中，每個函數有一個索引，并且列出了為該函數編譯的所有load重載簽名。每load過載一個文件，目標代碼被存儲在具有.nbc擴展名文件中。兩個文件中的數據都以pickle序列化。
注意
在Python <= 3.7上，Numbapickle使用純Python Pickler進行擴展。要使用速度更快的C Pickler，請 從pip安裝pickle5。pickle5向后移植Python 3.8 Pickler功能。
緩存要求
開發人員應注意允許緩存功能的要求，以確保正在使用的功能與緩存兼容。
可緩存功能的要求：
? LLVM模塊必須是獨立的，這意味著如果不鏈接到其它已編譯的單元，則它不能依賴其它模塊。
? 唯一允許的外部符號來自 NRT或系統庫中的其它常見符號（即libc和libm）。
調試說明：
? inttoptr在LLVM IR或 target_context.add_dynamic_add()Python的降低代碼中查找的用法。指示運行時runtime地址的潛在用途。并非所有用途都是有問題的，有些用途是必需的。僅將常量整數轉換為指針會影響緩存。
? 錯誤使用動態地址或動態標志可能會導致段錯誤。
? 鏈接順序很重要，因為鏈接后會刪除未使用的符號。鏈接應從依賴關系圖的葉節點開始。
與緩存兼容的功能
明確驗證了以下功能可用于緩存。
? cpu和parallel目標的ufuncs和gufuncs
? 并行加速器功能（即parallel=True）
緩存限制
這是緩存的已知限制的列表：
? 緩存無效。無法識別在另一個文件中定義的符號中的更改。
? 全局變量被視為常量。緩存將保存編譯時使用的全局變量中的值。在緩存加載時，緩存的函數將不會重新綁定到全局變量的新值。
緩存共享
在另一臺計算機上共享和重用緩存目錄中的內容是安全的。緩存會在編譯過程中記錄CPU模型和可用的CPU功能。如果CPU型號和CPU功能不完全匹配，則不會考慮緩存內容。（參閱NUMBA_CPU_NAME）
如果高速緩存目錄在網絡文件系統上共享，僅當文件替換操作是文件系統的原子操作時，并發讀取/寫入高速緩存才是安全的。Numba始終首先寫入唯一的臨時文件，然后用該臨時文件替換目標緩存文件路徑。Numba可以容忍丟失的緩存文件和丟失的緩存條目。
緩存清除
修改相應的源文件后，緩存將失效。但是，有時有需要手動清除緩存目錄。例如，由于未修改源文件，因此無法識別編譯器中的更改。
要清除緩存，可以簡單地刪除緩存目錄。
在運行Numba應用程序時，刪除緩存目錄可能會導致 OSError在編譯站點引發異常。

總結

以上是生活随笔為你收集整理的缓存注意事项的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。