Python装饰器练习 ---实现一个缓存cache+可过期被清除的功能

实现一个cache 缓存,实现可过期被清除的功能

简化设计，函数的形参定义不包含可变位置参数、可变关键词参数和keyword-only参数
可以不考虑缓存大小，也不用考虑缓存满了之后的换出问题

编写的函数,满足:

def add(x=4, y=5):
	time.sleep(3)
	return x + y
以下6种，可以认为是同一种调用
print(1, add(4,5))
print(2, add(4))
print(3, add(y=5))
print(4, add(x=4,y=5))
print(5, add(y=5,x=4))
print(6, add())

分析:

数据类型的选择

缓存的应用场景，是有数据需要频繁查询，且每次查询都需要大量计算或者等待时间之后才能返回结果的情况，使
用缓存来提高查询速度，用内存空间换取查询、加载的时间。

cache应该选用什么数据结构？
便于查询的，且能快速获得数据的数据结构。
每次查询的时候，只要输入一致，就应该得到同样的结果（顺序也一致，例如减法函数，参数顺序不一致，结果不
一样）
基于上面的分析，此数据结构应该是字典。
通过一个key，对应一个value。
key是参数列表组成的结构，value是函数返回值。难点在于key如何处理。
key的存储
key必须是hashable。
key能接受到位置参数和关键字参数传参。
位置参数是被收集在一个tuple中的，本身就有顺序。
关键字参数被收集在一个字典中，本身无序，这会带来一个问题，传参的顺序未必是字典中保存的顺序。如何解
决？

1. OrderedDict行吗？可以，它可以记录顺序。
2. 不用OrderedDict行吗？可以，用一个tuple保存排过序的字典的item的kv对。

key的异同
什么才算是相同的key呢？

import time
import functools
@functools.lru_cache()
def add(x,y)：
time.sleep(3)
return x+ys

定义一个加法函数，那么传参方式就应该有以下4种：
1. add(4, 5)
2. add(4, y=5)
3. add(y=5, x=4)
4. add(x=4, y=5)

上面4种，可以有下面几种理解：
第一种：1、2、3、4都不同。
第二种：3和4相同，1、2和3都不同。
第三种：1、2、3、4全部相同。
lru_cache实现了第一种，从源码中可以看出单独的处理了位置参数和关键字参数。
但是函数定义为def add(4, y=5)，使用了默认值，如何理解add(4, 5)和add(4)是否一样呢？
如果认为一样，那么lru_cache无能为力。
就需要使用inspect来自己实现算法。
key的要求
key必须是hashable。
由于key是所有实参组合而成，而且最好要作为key的，key一定要可以hash，但是如果key有不可hash类型数据，
就无法完成。
lru_cache就不可以，我们也很难实现，所以不能在实参中出现不可hash类型。
key算法设计
inspect模块获取函数签名后，取parameters，这是一个有序字典，会保存所有参数的信息。
构建一个字典params_dict，按照位置顺序从args中依次对应参数名和传入的实参，组成kv对，存入params_dict
中。
kwargs所有值update到params_dict中。
如果使用了缺省值的参数，不会出现在实参params_dict中，会出现在签名的parameters中，缺省值也在函数定义
中。
调用的方式
普通的函数调用可以，但是过于明显，最好类似lru_cache的方式，让调用者无察觉的使用缓存。
构建装饰器函数。

代码实现:

首先我们使用python自带的lru_cache模块进行编写:

#系统自带的lru_cache 模块 
import functools
import time
@functools.lru_cache()
def add(x=4,y=5):
    time.sleep(2)
    return x+y 
print(1, add(4,5))
print(2, add(4))
print(3, add(y=5))
print(4, add(x=4,y=5))
print(5, add(y=5,x=4))
print(6, add())

其运行的结果如下图所示: