cache缓存实现

数据的每次获取通常都需要大量的计算或者等待（浪费）大量的时间。

对于某些经常被使用的数据来说，缓存的存在就至关重要了。

数据类型的选择

为了使数据更便捷有效的提取出来，只要输入的数据一致，计算得出的结果也一样，无疑，字典是最好的选择，以输入的参数为key，输出的函数返回值为value。

key的使用

需要注意的问题就是key的存储，key必然为hashable，位置参数是存储在元组中，元组是有序的不做考虑，然而，字典是无序的（虽然3.6以后会记录key的插入顺序，然并卵，某些解释器没有这个功能），第一个想法就是OrderedDict，或许，我们有别的方法来实现。

参数遇到的问题

还有一个问题就是传参的时候，位置传参和关键字传参的混合使用，或者是同样的数据不同的传参方式，若要实现同样的数据参数输入他们全部的输出值都一样，或者说一个输出值的实现，就要使用inspect来实现。

算法思路与实现过程

inspect模块获取的是一个函数签名，取parameters后，这就会是一个有序字典（间接的使用了OrdereDict），保存我们输入的参数信息。

虽然普通的函数调用也可以，但是我想让我的代码高端一些，说起高端，自然是向源码看齐，我们可以用一下lru_cache的模板来构建函数，使使用者使用函数的时候不太容易察觉使用了缓存。

模板如下：

from functools import wraps
import inspect

def mag_cache(fn):
    local_cache = {
   } # 对不同函数名是不同的cache
    @wraps(fn)
    def wrapper(*args,**kwargs):  #接收各种参数
		# 参数处理，构建key
        ret = fn(*args,**kwargs)
        return ret
    return wrapper

@mag_cacahe
def add(x, y , z=6):
    return x + y + z

完成了key的生成：本次使用了普通的字典params_dict，先把位置参数的对应好，再填充关键字参数，最后补充缺省值，然后再排序生成key。

代码如下

from functools import wraps 
import inspect
def mag_cache(fn):
	local_cache = {
   } # 对不同函数名是不同的cache     
	@wraps(fn)
    def wrapper(*args, **kwargs):
    	# 参数处理，构建key
		sig = inspect.signature(fn)
        params = sig.parameters # 只读有序字典
        param_names = [key for key in params.keys()] # list(params.keys())
        target