17370845950

在使用 pytest 测试被 `joblib.memory.cache` 装饰的函数时，可通过访问其 `.func` 属性绕过缓存，直接执行原始逻辑，确保测试真实、可重复且不依赖磁盘缓存状态。

joblib.Memory.cache 装饰器会将原函数封装为一个 MemorizedFunc 实例，该实例不仅支持缓存调用，还保留了对原始函数的引用——即 .func 属性。这是 joblib 官方提供的标准方式，无需引入 mocking（如 unittest.mock.patch 或 pytest-mock），既简洁又可靠。

例如，以下代码定义了一个带缓存的平方函数：

from joblib import Memory

memory = Memory(location="cache")

@memory.cache
def func(a):
    print("Executing original function!")  # 可用于验证是否真正执行
    return a ** 2

在单元测试中，若直接调用 func(2)，joblib 可能从磁盘读取缓存结果（甚至首次运行后生成缓存文件），导致无法验证函数逻辑本身，也使测试耦合于外部状态。此时应改用：

def test_func():
    assert func.func(2) == 4  # ✅ 直接调用原始函数，完全跳过缓存

✅ 优势说明：

• 零副作用：不创建/读取缓存目录，无需清理 location；
• 高可靠性：不依赖 mock 行为，避免因 patch 错误目标（如误 mock Memory.__init__ 或 cache 方法）导致测试失效；



• 语义清晰：.func 是 joblib 公开 API，文档明确支持，长期兼容性好。

⚠️ 注意事项：

• 不要尝试 mock Memory 实例或重置 memory 对象（如 memory.clear()），这会影响其他测试的隔离性，且无法保证当前调用一定“不命中缓存”；
• 若需测试缓存行为本身（如验证是否命中/未命中），应另起测试用例，并配合 tmp_path 提供临时 cache 目录 + 显式清理；
• 确保被测函数未被多次装饰（如叠加 @lru_cache 或自定义装饰器），否则 .func 链可能断裂——此时建议重构为显式分离逻辑与缓存（如将核心逻辑提取为无装饰函数，再由缓存版本调用）。

总结：对绝大多数单元测试场景，cached_func.func(...) 是跳过 joblib 缓存最直接、最健壮的方式。它让测试回归本质——验证业务逻辑，而非缓存机制。