人力资源和社会保障部令第48号seo赚钱培训

cachetools是一个Python第三方库，提供了多种缓存算法的实现。

cachetools

使用前需要先安装pip install cachetools，说明文档参见https://cachetools.readthedocs.io/en/latest/。

cachetools提供了五种缓存类型：

• Cached
• LRUCache
• TTLCache
• LFUCache
• RRCache

缓存策略

cachetools提供了以下常见的缓存策略（当需要为新的条目腾出空间时，如何移除已有条目）：

• Least Recently Used (LRU): 移除最近最少使用的条目；这是一种常见的缓存策略，适用于大多数场景。
• Most Recently Used (MRU): 移除最近最常使用的条目；这种策略适用于一些特殊场景，例如当最近访问的数据不太可能再次访问时。
• Random Replacement (RR): 随机移除一个条目。；这种策略实现简单，但性能相对较差。
• First-In-First-Out (FIFO): 按照条目添加到缓存的顺序进行移除；这种策略适用于一些特定场景，例如缓存的数据具有固定生命周期。

cachetools中允许自定义缓存策略，只需继承cachetools.Cache类，并实现相应的方法。

from cachetools import Cacheclass SizeLimitedCache(Cache):def __init__(self, maxsize):super().__init__(maxsize=maxsize)def __getitem__(self, key, cache_getitem=Cache.__getitem__):return cache_getitem(self, key)def __setitem__(self, key, value, cache_setitem=Cache.__setitem__):if len(self) >= self.maxsize:self.popitem()  # 删除一个缓存项cache_setitem(self, key, value)# 使用自定义缓存策略
custom_cache = SizeLimitedCache(maxsize=10)
for i in range(20):key = "key-{}".format(i)custom_cache[key] = iprint(custom_cache.items())

缓存操作

创建缓存时，都需指定最大条目数：lru = cachetools.LRUCache(maxsize=100)

• maxsize参数代表的是缓存中可以存储的最大条目数量

缓存的添加、获取等类似dict操作：

# 添加缓存项
lru["key"] = "value"# 获取缓存项
# value = lru.get("key") # 不存在时，返回None
value = lru.get("key", "default_value")# 删除缓存项
if "key" in lru:del lru["key"]# 更新缓存项
lru["key"] = "new_value"

其他有用函数与属性：

• clear()：清空Cache；
• popitem()：根据策略，移除一项；
• currsize：获取当前缓存条目数量；

TTLCache

TTLCache可设定过期时间，过期后缓存条目自动失效：

• expire(self, time=None)：移除过期（若time为None在使用当前时间）条目；
• get时，不会更新过期时间；只有重新设定数据（cache[key]=data），才会更新过期时间；
• 已满时添加新条目，会先移除过期条目，然后尝试移除第一条。

def expensive_fun(arg1, arg2):key = (arg1, arg2)# 如果缓存中已经有计算结果，直接返回result = cache.get(key)if result is not None:cache[key] = result  # extend expire-timereturn result, 'cached'# 执行计算并将结果保存到缓存中time.sleep(1)  # expensive calcresult = arg1 + arg2cache[key] = resultreturn result, 're-calc'## cache test
cache = TTLCache(maxsize=5, ttl=10)
for i in range(10):print(datetime.now(), expensive_fun(i, 2))print(cache.items())print(cache.items())for i in range(5):time.sleep(3)print(datetime.now(), expensive_fun(1, 2)) print(cache.items())# 等待缓存项已经过期
time.sleep(11)# 再次调用需要重新计算，因为缓存项已经被清除了
print(datetime.now(), expensive_fun(1, 2))