python缓存管理机制_Python开发：缓存机制介绍

在以上类示例中没有包含什么特别之处。我们只是创建一个简单类，同时设置两个类变量或者说属性，即cahce与max_cache_size。其中cache属于一套空字典，而max_cache_size显然代表着最大缓存容量。下面让我们进一步充实该代码，使其具备一定功能：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

import datetime

import random

########################################################################

class MyCache:

""""""

#----------------------------------------------------------------------

def __init__(self):

"""Constructor"""

self.cache = {}

self.max_cache_size = 10

#----------------------------------------------------------------------

def __contains__(self, key):

"""

根据该键是否存在于缓存当中返回True或者False

"""

return key in self.cache

#----------------------------------------------------------------------

def update(self, key, value):

"""

更新该缓存字典，您可选择性删除最早条目

"""

if key not in self.cache and len(self.cache) >= self.max_cache_size:

self.remove_oldest()

self.cache[key] = {'date_accessed': datetime.datetime.now(),

'value': value}

#----------------------------------------------------------------------

def remove_oldest(self):

"""

删除具备最早访问日期的输入数据

"""

oldest_entry = None

for key in self.cache:

if oldest_entry == None:

oldest_entry = key

elif self.cache[key]['date_accessed'] < self.cache[oldest_entry][

'date_accessed']:

oldest_entry = key

self.cache.pop(oldest_entry)

#----------------------------------------------------------------------

@property

def size(self):

"""

返回缓存容量大小

"""

return len(self.cache)

在这里，我们导入了datetime与random模块，而后我们即可看到之前创建完成的类。这一次，我们向其中添加几种方法。其中一种方法具备神奇的效果，名为_contains_。虽然在这里并不一定要使用该方法，但其基本思路在于允许我们检查该类实例，从而了解其中是否包含有我们正在寻找的键。另外，update方法负责利用新的键/值对进行缓存字典更新。一旦达到或者超出缓存最大容量，其还会删除日期最早的输入数据。另外，remove_oldest方法负责具体的字典内早期数据删除工作。最后，我们还引入了名为size的属性，其能够返回缓存的具体容量。

在添加了以下代码之后，我们就能够测试该缓存是否按预期起效：

if __name__ == ‘__main__’:    #测试缓存    keys = [‘test’, ‘red’, ‘fox’, ‘fence’, ‘junk’,            ‘other’, ‘alpha’, ‘bravo’, ‘cal’, ‘devo’,            ‘ele’]    s = ‘abcdefghijklmnop’    cache = MyCache()    for i, key in enumerate(keys):        if key in cache:            continue        else:            value = ”.join([random.choice(s) for i in range(20)])            cache.update(key, value)        print(“#%s iterations, #%s cached entries” % (i+1, cache.size))    print

在本示例当中，我们设置了大量预定义键与循环。如果键尚不存在，我们会将其添加到缓存当中。不过以上示例代码并没有提到如何更新访问日期，感兴趣的朋友们可以将其作为练习自行探索。在运行这段代码之后，大家会注意到当缓存被占满时，其会正确删除时间更早的条目。

现在，我们继续前进，看看如何利用另一种方式使用Python的内置functools模块创建缓存。