如何解决Streamlit中st.cache_resource缓存失效的问题？

1. 缓存失效的核心表现

当使用@st.cache_resource装饰器时，开发者常遇到缓存未按预期工作的情况，主要表现为：

• 重复计算：相同输入参数下函数仍执行完整计算流程
• 状态丢失：页面刷新后缓存数据未能保留
• 版本冲突：依赖库更新导致缓存校验失败

2. 根本原因分析

通过分析Streamlit 1.22版本源码，缓存失效主要涉及以下机制：

def _get_cache_key(
    func: Callable[..., Any],
    args: tuple[Any, ...],
    kwargs: dict[str, Any],
    hash_funcs: dict[type[Any], Callable[[Any], bytes]] | None = None,
) -> str:
    """Generate cache key based on function identity and arguments"""
    # 关键哈希计算逻辑
    ...

缓存键生成依赖函数签名、参数哈希和依赖项版本三要素，任一要素变化都会触发缓存重建。

3. 典型场景与解决方案

@functools.wraps(original_func)
@st.cache_resource
def wrapper():...

@st.cache_resource(hash_funcs={pd.DataFrame: lambda _: None})
def process(df):...

4. 高级调试技巧

通过以下方法验证缓存行为：

1. 在函数内添加st.write("Cache Miss")标记
2. 检查st.cache_resource.clear()的调用时机
3. 使用cachetools.TTLCache实现混合缓存策略

5. 性能优化建议

针对长期运行的Streamlit应用：

• 设置ttl=3600参数避免内存泄漏
• 对数据库连接使用show_spinner=False参数
• 结合st.session_state实现多级缓存