【Python系列】Python 缓存机制

news2024/9/22 2:03:57

💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。

推荐:kwan 的首页,持续学习,不断总结,共同进步,活到老学到老
导航
檀越剑指大厂系列:全面总结 java 核心技术,jvm,并发编程 redis,kafka,Spring,微服务等
常用开发工具系列:常用的开发工具,IDEA,Mac,Alfred,Git,typora 等
数据库系列:详细总结了常用数据库 mysql 技术点,以及工作中遇到的 mysql 问题等
新空间代码工作室:提供各种软件服务,承接各种毕业设计,毕业论文等
懒人运维系列:总结好用的命令,解放双手不香吗?能用一个命令完成绝不用两个操作
数据结构与算法系列:总结数据结构和算法,不同类型针对性训练,提升编程思维,剑指大厂

非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨

博客目录

- 1. 环境准备
- 2. 使用`functools.lru_cache`
- 3. 使用`cachetools`
- 4. 文件系统缓存
- 5. 注意事项
- 6. 结语

在软件开发中，缓存是一种常见的技术，用于存储重复请求的结果，以减少对原始数据源的访问次数，从而提高应用的性能和响应速度。Python 作为一种灵活的编程语言，提供了多种实现本地缓存的方法。本文将探讨 Python 中实现本地缓存的几种策略，并提供具体的代码示例。
在这里插入图片描述

1. 环境准备

在 Python 中实现缓存，我们可能会用到标准库中的functools.lru_cache装饰器，或者使用第三方库如cachetools。以下是安装cachetools的方法：

pip install cachetools

2. 使用`functools.lru_cache`

Python 标准库中的functools模块提供了一个非常有用的装饰器lru_cache，它可以实现最近最少使用（Least Recently Used，LRU）缓存。这意味着它会缓存最近调用的函数的结果，当缓存满了之后，会淘汰掉最久未被使用的缓存项。

以下是一个使用lru_cache的示例：

import functools

@functools.lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

# 计算斐波那契数列的第10项
print(fibonacci(10))

在这个示例中，fibonacci函数的结果会被缓存，当再次请求相同的参数时，会直接从缓存中获取结果，而不是重新计算。

3. 使用`cachetools`

cachetools是一个提供多种缓存策略的第三方库。它支持 LRU、LFU（Least Frequently Used，最少使用频率）和 RR（Random Replacement，随机替换）等策略。

以下是一个使用cachetools实现 LRU 缓存的示例：

from cachetools import LRUCache

def expensive_function(x):
    # 模拟一个耗时的操作
    return x * x

cache = LRUCache(maxsize=100)

def cached_expensive_function(x):
    if x not in cache:
        cache[x] = expensive_function(x)
    return cache[x]

# 使用缓存的函数
print(cached_expensive_function(4))
print(cached_expensive_function(4))  # 第二次调用将使用缓存的结果

在这个示例中，我们创建了一个LRUCache对象，并使用它来缓存expensive_function函数的结果。

4. 文件系统缓存

在某些情况下，我们可能需要将缓存数据持久化到文件系统中。这可以通过将数据序列化并存储到文件中来实现。以下是一个简单的文件系统缓存示例：

import json
import os

CACHE_FILE = 'cache.json'

def load_cache():
    if os.path.exists(CACHE_FILE):
        with open(CACHE_FILE, 'r') as f:
            return json.load(f)
    return {}

def save_cache(cache):
    with open(CACHE_FILE, 'w') as f:
        json.dump(cache, f)

cache = load_cache()

def get_data(key):
    if key in cache:
        return cache[key]
    else:
        # 模拟获取数据的过程
        data = f"data for {key}"
        cache[key] = data
        save_cache(cache)
        return data

# 使用文件系统缓存
print(get_data("key1"))
print(get_data("key1"))  # 第二次调用将使用缓存的数据