在 Python 中,可以使用 collections.OrderedDict
或 functools.lru_cache
来实现一个 LRU(最近最少使用)缓存。functools.lru_cache
是一个内置装饰器,可以直接用于缓存函数的结果。而如果你想实现一个自定义的 LRU 缓存,可以使用 collections.OrderedDict
。
下面是使用 collections.OrderedDict
实现一个简单的 LRU 缓存的示例:
python
from collections import OrderedDict
class LRUCache:
def __init__(self, capacity: int):
self.cache = OrderedDict()
self.capacity = capacity
def get(self, key: int) -> int:
if key not in self.cache:
return -1
else:
self.cache.move_to_end(key) # 将访问的key移动到末尾
return self.cache[key]
def put(self, key: int, value: int) -> None:
if key in self.cache:
self.cache.move_to_end(key)
self.cache[key] = value
if len(self.cache) > self.capacity:
self.cache.popitem(last=False) # 弹出最左侧(最旧)的元素
# 使用示例
lru_cache = LRUCache(2)
lru_cache.put(1, 1)
lru_cache.put(2, 2)
print(lru_cache.get(1)) # 返回 1
lru_cache.put(3, 3) # 移除键 2
print(lru_cache.get(2)) # 返回 -1 (未找到)
lru_cache.put(4, 4) # 移除键 1
print(lru_cache.get(1)) # 返回 -1 (未找到)
print(lru_cache.get(3)) # 返回 3
print(lru_cache.get(4)) # 返回 4
在这个实现中,LRUCache
类使用 OrderedDict
来保持插入元素的顺序。put
方法在插入新元素时,如果超过容量限制,则移除最旧的元素。get
方法在访问元素时,将其移动到末尾,以表示最近访问。
此外,如果你希望更方便地使用 LRU 缓存,可以直接使用 functools.lru_cache
装饰器。以下是一个示例:
python
from functools import lru_cache
@lru_cache(maxsize=2)
def some_expensive_function(n):
print(f"Computing {n}")
return n * n
# 使用示例
print(some_expensive_function(2)) # 输出 "Computing 2" 和 4
print(some_expensive_function(3)) # 输出 "Computing 3" 和 9
print(some_expensive_function(2)) # 直接输出 4,不会打印 "Computing 2"
print(some_expensive_function(4)) # 输出 "Computing 4" 和 16
print(some_expensive_function(3)) # 再次计算 3,因为之前的结果已被移除
使用 lru_cache
装饰器,可以轻松为函数添加缓存功能,并且不需要手动管理缓存的逻辑。maxsize
参数指定了缓存的最大容量。