當在進行大量的計算時，提升性能最直接有效的一種方式就是避免重復計算。通過在內存中緩存和重復利用相同計算的結果，稱之為內存緩存。最明顯的例子就是生成斐波那契數列的程序（詳見第 6.6 和 6.11 節）： 要計算數列中第 n 個數字，需要先得到之前兩個數的值，但很明顯絕大多數情況下前兩個數的值都是已經計算過的。即每個更后面的數都是基于之前計算結果的重復計算，正如示例 6.11?[fibonnaci.go](https://github.com/Unknwon/the-way-to-go_ZH_CN/blob/master/eBook/examples/chapter_6/fibonnaci.go)?所展示的那樣。 而我們要做就是將第 n 個數的值存在數組中索引為 n 的位置（詳見第 7 章），然后在數組中查找是否已經計算過，如果沒有找到，則再進行計算。 程序 Listing 6.17 - fibonacci_memoization.go 就是依照這個原則實現的，下面是計算到第 40 位數字的性能對比： * 普通寫法：4.730270 秒 * 內存緩存：0.001000 秒 內存緩存的優勢顯而易見，而且您還可以將它應用到其它類型的計算中，例如使用 map（詳見第 7 章）而不是數組或切片（Listing 6.21 - fibonacci_memoization.go）： ~~~ package main import ( "fmt" "time" ) const LIM = 41 var fibs [LIM]uint64 func main() { var result uint64 = 0 start := time.Now() for i := 0; i < LIM; i++ { result = fibonacci(i) fmt.Printf("fibonacci(%d) is: %d\n", i, result) } end := time.Now() delta := end.Sub(start) fmt.Printf("longCalculation took this amount of time: %s\n", delta) } func fibonacci(n int) (res uint64) { // memoization: check if fibonacci(n) is already known in array: if fibs[n] != 0 { res = fibs[n] return } if n <= 1 { res = 1 } else { res = fibonacci(n-1) + fibonacci(n-2) } fibs[n] = res return } ~~~ 內存緩存的技術在使用計算成本相對昂貴的函數時非常有用（不僅限于例子中的遞歸），譬如大量進行相同參數的運算。這種技術還可以應用于純函數中，即相同輸入必定獲得相同輸出的函數。