Cachetools，一个强大python库

大家好，我是木木。今天给大家分享一个超强的 Python 库，Cachetools。

这是一个专为Python设计的缓存库，旨在提高大型应用的性能和效率。通过提供多种缓存策略，Cachetools能够帮助开发者有效管理内存使用，从而加速程序运行。

特点

多种缓存策略

Cachetools 提供了LRU（最近最少使用）、LFU（最不经常使用）、TTL（生存时间）等多种缓存策略，可根据需求选择最适合的策略。

灵活性高

它的设计允许开发者轻松自定义缓存行为，比如自定义缓存容量、过期时间等，提供了极高的使用灵活性。

易于集成

可以轻松集成到现有Python项目中，无需大幅改动代码，就能享受到缓存带来的性能提升。

最佳实践

安装方法

安装Cachetools非常简单，只需要使用pip命令：

pip install cachetools

基础功能

1. 使用LRU缓存

LRU（最近最少使用）策略是一种常用的缓存淘汰策略，通过Cachetools可以轻松实现。

>>> class MyCache(LRUCache):
        def popitem(self):
            key, value = super().popitem()
            print('Key "%s" evicted with value "%s"' % (key, value))
            return key, value

>>> c = MyCache(maxsize=2)
>>> c['a'] = 1
>>> c['b'] = 2
>>> c['c'] = 3
Key "a" evicted with value "1"

2. 共享缓存对象

可以使用具有多个函数的单个共享缓存对象。但是，必须注意为每个函数生成不同的缓存键，即使是相同的函数参数

>>> from cachetools.keys import hashkey
>>> from functools import partial
>>> from cachetools import *

>>> # 整数序列共享缓存
>>> numcache = {}

>>> # 计算斐波那契数列
>>> @cached(numcache, key=partial(hashkey, 'fib'))
>>> def fib(n):
>>>    return n if n < 2 else fib(n - 1) + fib(n - 2)

>>> # 计算卢卡斯数
>>> @cached(numcache, key=partial(hashkey, 'luc'))
>>> def luc(n):
>>>    return 2 - n if n < 2 else luc(n - 1) + luc(n - 2)

>>> print(fib(42))
267914296
>>> print(luc(42))
599074578
>>> print(list(sorted(numcache.items())))
[..., (('fib', 42), 267914296), ..., (('luc', 42), 599074578)]

高级功能

缓存函数的结果

对于计算密集型或IO密集型函数，使用Cachetools缓存其结果可以显著提升性能。

from cachetools import cached, TTLCache

# 创建一个TTL缓存
cache = TTLCache(maxsize=100, ttl=300)

# 使用装饰器缓存函数结果
@cached(cache)
def get_expensive_data(param):
    # 模拟耗时操作
    time.sleep(2)
    return f"Data for {param}"

# 首次调用函数，数据将被缓存
result = get_expensive_data("key1")
print(result)

# 再次调用相同参数的函数，将直接从缓存返回结果，大大减少等待时间
result = get_expensive_data("key1")
print(result)