闭包实现记忆化函数提升高频计算效率的方法

闭包是实现记忆化函数（Memoization）最直接且最安全的方式——它让缓存数据与函数逻辑天然绑定，既不污染全局作用域，也不依赖外部状态，每次调用都能快速查表返回结果，从而显著提升高频计算场景下的执行效率。

核心结构：外层建缓存，内层查与算

记忆化函数本质上是一个“两层函数”结构。外层函数负责初始化一个私有的缓存容器，例如使用 Map 或普通对象。内层函数作为最终被返回的执行体，通过闭包持续访问这个外部缓存。每次调用时，它都会先检查参数是否已有对应的计算结果：如果命中缓存，就直接返回缓存值；如果未命中，则执行原始计算逻辑，将结果存入缓存，再返回给调用者。

• 缓存容器首选 Map：相比普通对象，Map 支持任意类型的键（包括数字、字符串、Symbol，甚至函数引用），避免了对象键被强制转换为字符串可能导致的误判，更适合作为通用缓存方案。
• 闭包维持缓存生命周期：外层函数只执行一次，生成缓存；返回的内层函数会一直持有对这个缓存的引用，因此缓存不会被垃圾回收机制清除，确保了数据的持久性。
• 天然隔离：每次调用 memoize(fn) 都会生成一个全新的、独立的缓存实例，多个函数之间互不影响，确保了记忆化函数的安全性和可预测性。

多参数与健壮键生成

对于单参数函数，直接用参数本身作为键即可。但实际开发中，我们面对的函数往往有多个参数，甚至参数是复杂的对象或数组。这时，就需要将参数“归一化”为一个唯一且可比较的键值，这是实现高效缓存的关键步骤。

• 简单值组合：例如使用模板字符串 `${a}|${b}|${c}` 进行拼接。这种方法高效且可控，适合参数数量固定且为基础类型的场景。
• 动态参数列表：使用 JSON.stringify([a, b, ...args]) 将参数序列化。但要注意，undefined、函数类型以及循环引用的对象会被丢弃或导致报错，存在一定的局限性。
• 更稳妥的做法：自定义键生成函数。例如，对于对象只提取指定的关键字段（白名单），对数组进行浅比较，或者引入第三方哈希库来生成稳定的指纹（fingerprint），以确保键的唯一性和可靠性。

必须防范的三大风险

给函数加上缓存并不总是意味着性能提升，几个常见的疏漏反而可能拖慢系统，甚至引入隐患。了解并规避这些风险是保证记忆化函数稳定运行的前提。

• 内存泄漏：如果缓存没有上限，随着时间推移，尤其是当键来自时间戳、随机ID或用户动态输入时，缓存会无限增长。建议集成LRU（最近最少使用）淘汰策略，或者至少暴露一个 .clear() 接口供手动清理，以控制内存占用。
• 键失效：这是对象参数常踩的坑。两个内容相同的对象 {x: 1} 和 {x: 1}，在 Map 默认的 === 比较下 会被视为不同的键，导致缓存永远无法命中。必须先将对象序列化或标准化，再作为键使用，才能确保正确命中。
• 异步陷阱：如果缓存的是 Promise 对象，那么后续所有相同参数的调用都会拿到同一个 Promise 实例。这虽然能防止重复的异步请求，但也意味着无法主动刷新结果。如果需要更新机制，可以考虑配合 Promise.race() 或设计缓存重载逻辑来应对。

轻量实用实现示例

下面是一个兼顾多参数支持、类型安全与代码可读性的基础实现，展示了如何利用闭包构建一个通用的记忆化函数：

function memoize(fn) {
  const cache = new Map();
  return function(...args) {
    const key = JSON.stringify(args);
    if (cache.has(key)) return cache.get(key);
    const result = fn(...args);
    cache.set(key, result);
    return result;
  };
}

这个版本适用于纯函数场景（即相同输入必然产生相同输出，且无副作用）。如果需要支持函数内部的 this 上下文，可以将调用改为 fn.apply(this, args)；如果需要控制缓存大小，可以将内部的 Map 替换为 LRU Map 的实现，以优化内存管理。