什么是 JavaScript 记忆化（Memoization）？

**Memoization（记忆化）**是一种优化技术，主要用于加速计算机程序。它通过存储耗时函数的计算结果，在相同输入再次传递时，直接返回缓存的结果，从而避免重复计算。

为什么需要 Memoization？

让我们通过一个简单的例子来了解 Memoization 的必要性。

function square(num) {
  return num * num;
}

console.log(square(2)); // 返回 4
console.log(square(9999999999999999)); // 这是一项耗时的计算
console.log(square(9999999999999999)); // 我们是否应该为相同的输入重新计算？

上面的函数对于较小的数字输入计算非常快，但如果输入是一个非常大的数字，如 9999999999999999，调用 square(9999999999999999) 两次将会是一项耗时的计算，我们可以通过 Memoization 避免这种重复计算。

如何将上述函数转换为 Memoized 函数？

function square(n) {
  return n * n;
}

function memoizedSquare() {
  let cache = {};
  return function optimizedSquare(num) {
    if (num in cache) {
      console.log('从缓存中返回结果');
      return cache[num];
    } else {
      console.log('计算平方');
      const result = square(num);
      cache[num] = result;
      return result;
    }
  };
}

const memoSquare = memoizedSquare();
console.log(memoSquare(9999999999999999));
console.log(memoSquare(9999999999999999));

// 输出:
// "计算平方"
// 1e+32
// "从缓存中返回结果"
// 1e+32

在这个例子中，我们创建了一个 memoizedSquare() 函数，该函数利用 JavaScript 的闭包和对象来实现缓存机制。我们检查输入数字是否已在缓存中，如果在则返回缓存结果，否则进行计算并将结果存储在缓存中。这种方法可以帮助我们避免不必要的耗时计算。

改进的可重用 Memoize 函数

function memoize(callback) {
  let cache = {};
  return function(...args) {
    const key = args.toString();
    if (key in cache) {
      console.log('从缓存中返回结果');
      return cache[key];
    } else {
      console.log('计算结果');
      const result = callback(...args);
      cache[key] = result;
      return result;
    }
  };
}

function multiply(a, b) {
  return a * b;
}

const memoMultiplication = memoize(multiply);
console.log(memoMultiplication(10, 10));
console.log(memoMultiplication(10, 10));

// 输出:
// "计算结果"
// 100
// "从缓存中返回结果"
// 100

这个通用的 memoize 函数可以应用于任何需要缓存的函数。我们通过传递回调函数实现缓存机制，并在函数调用时检查缓存以决定是返回缓存结果还是重新计算。

Memoization 技术的潜在缺点

增加内存使用：由于 Memoization 需要缓存函数调用的结果，这可能会增加程序的内存使用，特别是当缓存变大时。使用 Memoization 时需要小心管理内存。
缓存失效：如果 Memoized 函数的输入随时间变化（例如缓存的网络请求结果每次返回不同的数据），需要谨慎管理缓存以确保其始终是最新的。有时管理缓存可能比计算本身更麻烦。
增加代码复杂度：Memoization 会增加代码的复杂度，特别是在需要处理边缘情况或优化缓存大小以提高性能时。需要权衡 Memoization 带来的性能提升与其增加的复杂度及潜在的 bug。