使用 Python 的 lru cache 为接口实现高效缓存

本文链接：https://blog.csdn.net/MandeRen/article/details/143231417

在软件开发中，程序性能至关重要。尤其对于一些昂贵的计算或者频繁调用的函数，缓存技术可以显著减少重复的计算时间和资源消耗。Python 为我们提供了一个非常方便的工具：lru_cache。

什么是 lru_cache？

lru_cache 是 Python 标准库中 functools 模块提供的装饰器，用于缓存函数的返回结果。LRU 代表 “Least Recently Used”（最近最少使用），这意味着这个缓存机制会自动删除最久未使用的缓存。

基本用法

使用 lru_cache 非常简单，只需在函数上添加装饰器即可。例如：

from functools import lru_cache

@lru_cache(maxsize=128)
def compute_expensive_operation(x, y):
    # 进行一些昂贵的计算
    return x * y

这里，maxsize=128 表示缓存可以存储最多 128 个结果。如果达到这个限制，lru_cache 会清除最近最少使用的缓存条目。

无限制缓存

如果你愿意缓存所有的函数调用结果，可以使用 maxsize=None：

from functools import lru_cache

@lru_cache(maxsize=None)
def compute_expensive_operation(x, y):
    # 进行一些昂贵的计算
    return x * y

这样可以确保缓存没有上限，但要小心可能造成的内存增长。

自定义缓存清理

有时我们需要在特定条件下清理缓存，例如每天更新一次。以下是一个使用装饰器的例子：

import time
from functools import lru_cache, wraps

CACHE_EXPIRATION = 24 * 60 * 60  # 24小时

def cache_update_decorator(func):
    cached_func = lru_cache(maxsize=None)(func)
    last_cache_update = [0]  # 使用列表作为可变容器

    @wraps(func)
    def wrapper(*args, **kwargs):
        if time.time() - last_cache_update[0] > CACHE_EXPIRATION:
            cached_func.cache_clear()
            last_cache_update[0] = time.time()
        return cached_func(*args, **kwargs)

    return wrapper

@cache_update_decorator
def compute_expensive_operation(x, y):
    # 进行一些昂贵的计算
    return x * y