【51CTO快譯】在今天的文章中，我們將一同從簡單示例出發，了解如何使用緩存機制。在此之后，我們將進一步利用Python標準庫的functools模塊創建適合自己需要的緩存。閑言少敘，馬上開始。

緩存是一種將定量數據加以保存以備迎合后續請求的處理方式，旨在加快數據的檢索速度。在今天的文章中，我們將一同從簡單示例出發，了解如何使用緩存機制。在此之后，我們將進一步利用Python標準庫的functools模塊創建適合自己需要的緩存。作為起步工作，我們首先創建一個類，用于構建我們的緩存字典，而后根據需要進行擴展。以下為具體代碼：

######################################################################## 
 
class MyCache: 
 
    """""" 
 
    #---------------------------------------------------------------------- 
 
    def __init__(self): 
 
        """Constructor""" 
 
        self.cache = {} 
 
        self.max_cache_size = 10 

在以上類示例中沒有包含什么特別之處。我們只是創建一個簡單類，同時設置兩個類變量或者說屬性，即cahce與max_cache_size。其中cache屬于一套空字典，而max_cache_size顯然代表著***緩存容量。下面讓我們進一步充實該代碼，使其具備一定功能：

import datetime 
 
import random 
 
######################################################################## 
 
class MyCache: 
 
    """""" 
 
    #---------------------------------------------------------------------- 
 
    def __init__(self): 
 
        """Constructor""" 
 
        self.cache = {} 
 
        self.max_cache_size = 10 
 
    #---------------------------------------------------------------------- 
 
    def __contains__(self, key): 
 
        """ 
 
        根據該鍵是否存在于緩存當中返回True或者False 
 
        """ 
 
        return key in self.cache 
 
    #---------------------------------------------------------------------- 
 
    def update(self, key, value): 
 
        """ 
 
        更新該緩存字典，您可選擇性刪除最早條目 
 
        """ 
 
        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): 
 
        """ 
 
        刪除具備最早訪問日期的輸入數據 
 
        """ 
 
        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): 
 
        """ 
 
        返回緩存容量大小 
 
        """ 
 
        return len(self.cache) 

在這里，我們導入了datetime與random模塊，而后我們即可看到之前創建完成的類。這一次，我們向其中添加幾種方法。其中一種方法具備神奇的效果，名為_contains_。雖然在這里并不一定要使用該方法，但其基本思路在于允許我們檢查該類實例，從而了解其中是否包含有我們正在尋找的鍵。另外，update方法負責利用新的鍵/值對進行緩存字典更新。一旦達到或者超出緩存***容量，其還會刪除日期最早的輸入數據。另外，remove_oldest方法負責具體的字典內早期數據刪除工作。***，我們還引入了名為size的屬性，其能夠返回緩存的具體容量。

在添加了以下代碼之后，我們就能夠測試該緩存是否按預期起效：

if __name__ == '__main__': 
 
    #測試緩存 
 
    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 

在本示例當中，我們設置了大量預定義鍵與循環。如果鍵尚不存在，我們會將其添加到緩存當中。不過以上示例代碼并沒有提到如何更新訪問日期，感興趣的朋友們可以將其作為練習自行探索。在運行這段代碼之后，大家會注意到當緩存被占滿時，其會正確刪除時間更早的條目。

現在，我們繼續前進，看看如何利用另一種方式使用Python的內置functools模塊創建緩存。

使用functools.lru_cache

Python的functools模塊提供一種非常實用的裝飾器，即lru_cache。需要注意的是，其在3.2版本當中才被添加進來。根據說明文檔所言，該裝飾器能夠“利用可調用內存對函數進行打包，從而削減最近調用的***尺寸。”接下來，我們將根據說明文檔中提到的示例編寫一項基本功能，其中包含多個網絡頁面。在這種情況下，我們可以直接從Python說明文檔站點處獲取頁面。

import urllib.error 
 
import urllib.request 
 
from functools import lru_cache 
 
@lru_cache(maxsize=24) 
 
def get_webpage(module): 
 
    """ 
 
    獲取特定Python模塊網絡頁面 
 
    """     
 
    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)) 

在以上代碼當中，我們利用lru_cache對get_webpage函數進行了裝飾，并將其***尺寸設置為24條調用。在此之后，我們設置了一條網頁字符串變量，并將其傳遞至我們希望函數獲取的模塊當中。根據我的個人經驗，如果大家將其運行在某種Python解釋器當中——例如IDLE——那么效果會更好。如此一來，我們就能夠針對該函數運行多次循環。可以看到在***運行上述代碼時，輸出結果的顯示速度相對比較慢。但如果大家在同一會話中再次加以運行，那么其顯示速度將極大加快——這意味著lru_cache已經正確對該調用進行了緩存處理。大家可以在自己的解釋器實例當中進行試驗并親自查看結果。

另外，我們還可以將一條typed參數傳遞至該裝飾器。其屬于一條Boolean，旨在通知該裝飾器在typed為設定為True時對不同類型參數進行分別緩存。

總結

現在大家已經初步了解了如何利用Python編寫自己的緩存機制。這是一款有趣的工具，而且能夠在各位面對大量高強度I/O調用或者希望對登錄憑證等常用信息進行緩存時發揮重要作用。

原文標題：Python開發：緩存機制介紹

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】