Python 实现缓存管理类

在程序中使用缓存管理，可以带来多方面的好处，具体如下：

1、提高数据访问速度：缓存通常位于CPU和主内存之间，是一种更快但容量较小的存储设备。当程序运行时，常用的数据被加载到缓存中，这样CPU在需要这些数据时可以直接从缓存中快速获取，而不必等待较慢的主内存响应，从而极大地缩短了数据访问时间。
2、利用数据局部性：程序在执行时往往表现出数据局部性，即在短时间内倾向于重复访问某些内存区域。缓存通过存储这些频繁访问的数据来减少对主内存的访问次数，提高了处理效率。
3、减轻主内存压力：使用缓存可以减少对主内存的直接访问，这样主内存就不必频繁地处理所有的读写请求。这对于实时计算和大数据应用尤其重要，因为它们需要处理大量的数据且对性能要求较高。
4、节省能耗：频繁地从主内存读取数据会消耗更多的能量。缓存可以减少CPU与主内存之间的数据传输量，从而降低功耗，有利于延长电池寿命，尤其是在移动设备上尤为重要。
5、提高系统性能：缓存的存在可以提高整个系统的运行效率。它通过减少延迟和提升数据传输速率，使得系统能够更快地完成任务。
6、优化资源分配：缓存可以作为一种资源分配的手段，确保高频访问的数据能够得到快速的响应，而低频访问的数据则可以适当地使用较慢的存储设备，从而实现资源的合理分配。
7、提升用户体验：在用户界面和Web应用程序中，缓存可以用来存储用户的操作结果，以便快速响应用户的操作，提供更流畅的用户体验。
8、支持高并发访问：在服务器端，缓存可以用来处理大量并发请求，通过缓存热点数据，减轻后端数据库的压力，提高服务的可伸缩性和稳定性。
9、减少网络传输：对于分布式系统和云服务，缓存可以减少跨网络的数据请求，节省带宽，降低延迟。
缓存管理在程序中的应用可以显著提升性能、节省资源、优化用户体验，并支持系统的高并发和高可用性需求。然而，缓存的使用也需要谨慎，不当的缓存策略可能会导致数据不一致、增加系统复杂性和维护成本等问题。因此，设计高效的缓存策略也是提升系统性能的关键

from datetime import datetime, timedelta
import threading

#数据缓存处理工具
class GlobalCache:
    #初始化 缓存数据对象及线程锁
    def __init__(self):
        self._cache = {}
        self._lock = threading.Lock()

    #通过Key获取缓存中的数据
    def get(self, key):
        with self._lock:
            item = self._cache.get(key)
            #如果数据不为None，并且在有效时间内 （expiry 为None 表示长期有效）
            #则返回缓存数据
            if item is not None and (item["expiry"] is None or item["expiry"] > datetime.now()):
                return item["value"]
            else:
                #当时数据无效时，则将缓存数据移除
                self._cache.pop(key, None)
                return None
    
    #添加缓存， key为标签，value 为数据对象  expiry为有效时间，单位:秒
    def set(self, key, value, expiry=None):
        #计算有效时间
        expiry_time = datetime.now() + timedelta(seconds=expiry) if expiry else None
        #将数据添加到缓存中
        with self._lock:
            self._cache[key] = {"value": value, "expiry": expiry_time}

    #删除缓存数据 根据Key将缓存中的数据移除
    def delete(self, key):
        with self._lock:
            self._cache.pop(key, None)

    #清理当前缓存中的所有数据
    def clear(self):
        with self._lock:
            self._cache.clear()