Hvad er memoization og hvordan implementerer du det?

Question

Accepted Answer

**Memoization** cachelagrer en funktions resultater nøglede efter dens argumenter, så gentagne kald med samme input øjeblikkeligt returnerer det cachelagrede resultat i stedet for at genberegne. Det bytter **hukommelse for hastighed** og fungerer kun for **rene** funktioner (samme input → samme output, ingen bivirkninger).

## En generisk memoize-wrapper

```js
function memoize(fn) {
  const cache = new Map();
  return (...args) => {
    const key = JSON.stringify(args); // build a cache key from the arguments
    if (cache.has(key)) {
      return cache.get(key);          // cache hit — skip the work
    }
    const result = fn(...args);
    cache.set(key, result);
    return result;
  };
}

const slowSquare = n => { /* expensive */ return n * n; };
const fastSquare = memoize(slowSquare);
fastSquare(4); // computes → 16
fastSquare(4); // cached → 16 instantly
```

## En klassisk gevinst: rekursiv Fibonacci

```js
const fib = memoize(n => (n < 2 ? n : fib(n - 1) + fib(n - 2)));
// turns exponential O(2^n) into roughly O(n) by caching subproblems
```

## Afvejninger og forbeholdne bemærkninger

- **Cache-nøgle-strategi**: `JSON.stringify` mislykkes for funktioner, og nøglerækkefølge betyder noget for objekter. For objekt-argumenter undgår en `WeakMap` (nøglede efter reference) hukommelseslækage.
- **Ubegræns vækst**: cachen krymper aldrig — brug en **LRU**-cache til langvarige processer.
- Memoize kun når genberegning er virkelig dyrt og input gentages.

## Hvorfor det betyder noget

Memoization er overalt: React's `useMemo`/`React.memo`, Reselect-selektorer, dynamisk programmering.

Konceptet (cache rene resultater efter input) er det samme; kunsten ligger i at vælge nøglen og begrænse cachen.