本篇博客將結(jié)合python官方文檔和源碼詳細(xì)講述lru_cache緩存方法是怎么實(shí)現(xiàn)， 它與redis緩存的區(qū)別是什么， 在使用時(shí)碰上functiontools.wrap裝飾器時(shí)會(huì)發(fā)生怎樣的變化，以及了解它給我們提供了哪些功能然后在其基礎(chǔ)上實(shí)現(xiàn)我們自制的緩存方法my_cache。

1. lru_cache的使用

1.1 參數(shù)詳解

以下是lru_cache方法的實(shí)現(xiàn)，我們看出可供我們傳入的參數(shù)有2個(gè)maxsize和typed，如果不傳則maxsize的默認(rèn)值為128，typed的默認(rèn)值為False。其中maxsize參數(shù)表示是的被裝飾的方法最大可緩存結(jié)果數(shù)量， 如果是默認(rèn)值128則表示被裝飾方法最多可緩存128個(gè)返回結(jié)果，如果maxsize傳入為None則表示可以緩存無(wú)限個(gè)結(jié)果，你可能會(huì)疑惑被裝飾方法的n個(gè)結(jié)果是怎么來(lái)的，打個(gè)比方被裝飾的方法為def add(a, b):當(dāng)函數(shù)被lru_cache裝飾時(shí)，我們調(diào)用add(1, 2)和add(3, 4)將會(huì)緩存不同的結(jié)果。如果 typed 設(shè)置為true，不同類型的函數(shù)參數(shù)將被分別緩存。例如， f(3) 和 f(3.0) 將被視為不同而分別緩存。

def lru_cache(maxsize=128, typed=False):
 if isinstance(maxsize, int):
  if maxsize < 0:
maxsize = 0
 elif maxsize is not None:
  raise TypeError('Expected maxsize to be an integer or None')
 def decorating_function(user_function):
  wrapper = _lru_cache_wrapper(user_function, maxsize, typed, _CacheInfo)
  return update_wrapper(wrapper, user_function)
 return decorating_function

1.2 基本用法

在我們編寫接口時(shí)可能需要緩存一些變動(dòng)不大的數(shù)據(jù)如配置信息，我們可能編寫如下接口：

@api.route("/user/info", methods=["GET"])
@functools.lru_cache()
@login_require
def get_userinfo_list():
 userinfos = UserInfo.query.all()
 userinfo_list = [user.to_dict() for user in userinfos]
 return jsonify(userinfo_list)

我們緩存了從數(shù)據(jù)庫(kù)查詢的用戶信息，下次再調(diào)用這個(gè)接口時(shí)將直接返回用戶信息列表而不需要重新執(zhí)行一遍數(shù)據(jù)庫(kù)查詢邏輯，可以有效較少IO次數(shù)，加快接口反應(yīng)速度。

1.3 進(jìn)階用法

還是以上面的例子，如果發(fā)生用戶的刪除或者新增時(shí)，我們?cè)僬?qǐng)求用戶接口時(shí)仍然返回的是緩存中的數(shù)據(jù)，這樣返回的信息就和我們數(shù)據(jù)庫(kù)中的數(shù)據(jù)就會(huì)存在差異，所以當(dāng)發(fā)生用戶新增或者刪除時(shí)，我們需要清除原先的緩存，然后再請(qǐng)求用戶接口時(shí)可以重新加載緩存。

@api.route("/user/info", methods=["POST"])
@functools.lru_cache()
@login_require
def add_user():
 user = UserInfo(name="李四")
 db.session.add(user)
 db.session.commit()
 
 # 清除get_userinfo_list中的緩存
 get_userinfo_list = current_app.view_functions["api.get_machine_list"]
 cache_info = get_userinfo_list.cache_info()
 # cache_info 具名元組，包含命中次數(shù) hits，未命中次數(shù) misses ，最大緩存數(shù)量 maxsize 和 當(dāng)前緩存大小 currsize
 # 如果緩存數(shù)量大于0則清除緩存
 if cache_info[3] > 0:
  get_userinfo_list.cache_clear()
 return jsonify("新增用戶成功")

在上面這個(gè)用法中我們，如果我們把lru_cache裝飾器和login_require裝飾器調(diào)換位置時(shí)，上述的寫法將會(huì)報(bào)錯(cuò)，這是因?yàn)閘ogin_require裝飾器中用了functiontools.wrap模塊進(jìn)行裝飾導(dǎo)致的，具原因我們?cè)谙鹿?jié)解釋， 如果想不報(bào)錯(cuò)得修改成如下寫法。

@api.route("/user/info", methods=["POST"])
@login_require
@functools.lru_cache()
def add_user():
 user = UserInfo(name="李四")
 db.session.add(user)
 db.session.commit()
 
 # 清除get_userinfo_list中的緩存
 get_userinfo_list = current_app.view_functions["api.get_machine_list"]
 cache_info = get_userinfo_list.__wrapped__.cache_info()
 # cache_info 具名元組，包含命中次數(shù) hits，未命中次數(shù) misses ，最大緩存數(shù)量 maxsize 和 當(dāng)前緩存大小 currsize
 # 如果緩存數(shù)量大于0則清除緩存
 if cache_info[3] > 0:
  get_userinfo_list.__wrapped__.cache_clear()
 return jsonify("新增用戶成功")

2. functiontools.wrap裝飾器對(duì)lru_cache的影響

在上節(jié)我們看到，因?yàn)锧login_require和@functools.lru_cache()裝飾器的順序不同， 就導(dǎo)致了程序是否報(bào)錯(cuò)， 其中主要涉及到兩點(diǎn)：

• login_require裝飾器中是否用了@functiontools.wrap()裝飾器
• @login_require和@functools.lru_cache()裝飾器的執(zhí)行順序問題

當(dāng)我們了解完這兩點(diǎn)后就可以理解上述寫法了。

2.1 多個(gè)裝飾器裝飾同一函數(shù)時(shí)的執(zhí)行順序

這里從其他地方盜了一段代碼來(lái)解釋一下，如下：

def decorator_a(func):
 print('Get in decorator_a')
 def inner_a(*args,**kwargs):
  print('Get in inner_a')
  res = func(*args,**kwargs)
  return res
 return inner_a
def decorator_b(func):
 print('Get in decorator_b')
 def inner_b(*args,**kwargs):
  print('Get in inner_b')
  res = func(*args,**kwargs)
  return res
 return inner_b

@decorator_b
@decorator_a
def f(x):
 print('Get in f')
 return x * 2
f(1)

輸出結(jié)果如下：

'Get in decorator_a'
'Get in decorator_b'
'Get in inner_b'
'Get in inner_a'
'Get in f'

是不是很像django中的中間件的執(zhí)行順序，其實(shí)原理都差不多。

2.2 functiontools.wrap原理

引用其他博主的描述：

Python裝飾器（decorator）在實(shí)現(xiàn)的時(shí)候，被裝飾后的函數(shù)其實(shí)已經(jīng)是另外一個(gè)函數(shù)了（函數(shù)名等函數(shù)屬性會(huì)發(fā)生改變），為了不影響，Python的functools包中提供了一個(gè)叫wraps的decorator來(lái)消除這樣的副作用。寫一個(gè)decorator的時(shí)候，最好在實(shí)現(xiàn)之前加上functools的wrap，它能保留原有函數(shù)的名稱和docstring。

補(bǔ)充：為了訪問原函數(shù)此函數(shù)會(huì)設(shè)置一個(gè)__wrapped__屬性指向原函數(shù)， 這樣就可以解釋上面1.3節(jié)中我們的寫法了。

2.3 使用wrap裝飾器前后的變化

未完待續(xù)。。。。。。。。。

3. 自制簡(jiǎn)易的my_cache

3.1 lru_cache提供的功能

lru_cache緩存裝飾器提供的功能有：

• 緩存被裝飾對(duì)象的結(jié)果（基礎(chǔ)功能）
• 獲取緩存信息
• 清除緩存內(nèi)容
• 根據(jù)參數(shù)變化緩存不同的結(jié)果
• LRU算法當(dāng)緩存數(shù)量大于設(shè)置的maxsize時(shí)清除最不常使用的緩存結(jié)果

​ 從列出的功能可知，python自帶的lru_cache緩存方法可以滿足我們?nèi)粘９ぷ髦写蟛糠中枨螅?可是它不包含一個(gè)重要的特性就是，超時(shí)自動(dòng)刪除緩存結(jié)果，所以在我們自制的my_cache中我們將實(shí)現(xiàn)緩存的超時(shí)過(guò)期功能。

3.2 cache的核心部件

在作用域內(nèi)存在一個(gè)相對(duì)全局的字典變量cache={}

在作用域內(nèi)設(shè)置相對(duì)全局的變量包含命中次數(shù) hits，未命中次數(shù) misses ，最大緩存數(shù)量 maxsize和 當(dāng)前緩存大小 currsize

第二點(diǎn)中的緩存信息中增加緩存加入時(shí)間和緩存有效時(shí)間

3.3 my_cache的實(shí)現(xiàn)

待實(shí)現(xiàn)。。。。。。。。。。。。

4. lru_cache緩存和redis緩存的區(qū)別

5. 總結(jié)

綜上所述，python自帶的緩存功能使用于稍微小型的單體應(yīng)用。優(yōu)點(diǎn)是可以很方便的根據(jù)傳入不同的參數(shù)緩存對(duì)應(yīng)的結(jié)果， 并且可以有效控制緩存的結(jié)果數(shù)量，在超過(guò)設(shè)置數(shù)量時(shí)根據(jù)LRU算法淘汰命中次數(shù)最少的緩存結(jié)果。缺點(diǎn)是沒有辦法對(duì)緩存過(guò)期時(shí)間進(jìn)行設(shè)置。

到此這篇關(guān)于python自帶緩存lru_cache用法及擴(kuò)展的使用的文章就介紹到這了,更多相關(guān)python自帶緩存lru_cache內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

香港快速服務(wù)器

版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。