缓存是一种将定量数据加以保存以备迎合后续请求的处理方式，旨在加快数据的检索速度。在今天的文章中，我们将一同从简单示例出发，了解如何使用缓存机制。在此之后，我们将进一步利用Python标准库的functools模块创建适合自己需要的缓存。作为起步工作，我们首先创建一个类，用于构建我们的缓存字典，而后根据需要进行扩展。以下为具体代码：
-
|
|
########################################################################
class
MyCache
:
""""""
#----------------------------------------------------------------------
def
__init__
(
self
)
:
"""Constructor"""
self
.
cache
=
{
}
self
.
max_cache
_size
=
10
|
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__’:
-
- 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。
使用functools.lru_cache
Python的functools模块提供一种非常实用的装饰器，即lru_cache。需要注意的是，其在3.2版本当中才被添加进来。根据说明文档所言，该装饰器能够“利用可调用内存对函数进行打包，从而削减最近调用的最大尺寸。”接下来，我们将根据说明文档中提到的示例编写一项基本功能，其中包含多个网络页面。在这种情况下，我们可以直接从Python说明文档站点处获取页面。
-
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
import
urllib
.
error
import
urllib
.
request
from
functools
import
lru
_cache
@
lru_cache
(
maxsize
=
24
)
def
get_webpage
(
module
)
:
"""
获取特定Python模块网络页面
"""
webpage
=
"https://docs.python.org/3/library/{}.html"
.
format
(
module
)
try
:
with
urllib
.
request
.
urlopen
(
webpage
)
as
request
:
return
request
.
read
(
)
except
urllib
.
error
.
HTTPError
:
return
None
if
__name_
_
==
'__main__'
:
modules
=
[
'functools'
,
'collections'
,
'os'
,
'sys'
]
for
module
in
modules
:
page
=
get_webpage
(
module
)
if
page
:
print
(
"{} module page found"
.
format
(
module
)
)
|
在以上代码当中，我们利用lru_cache对get_webpage函数进行了装饰，并将其最大尺寸设置为24条调用。在此之后，我们设置了一条网页字符串变量，并将其传递至我们希望函数获取的模块当中。根据我的个人经验，如果大家将其运行在某种Python解释器当中——例如IDLE——那么效果会更好。如此一来，我们就能够针对该函数运行多次循环。可以看到在首次运行上述代码时，输出结果的显示速度相对比较慢。但如果大家在同一会话中再次加以运行，那么其显示速度将极大加快——这意味着lru_cache已经正确对该调用进行了缓存处理。大家可以在自己的解释器实例当中进行试验并亲自查看结果。
另外，我们还可以将一条typed参数传递至该装饰器。其属于一条Boolean，旨在通知该装饰器在typed为设定为True时对不同类型参数进行分别缓存。
总结
现在大家已经初步了解了如何利用Python编写自己的缓存机制。这是一款有趣的工具，而且能够在各位面对大量高强度I/O调用或者希望对登录凭证等常用信息进行缓存时发挥重要作用。