一天一个Python库：cachetools - 简单高效的缓存工具

cachetools - 简单高效的缓存工具

一、什么是cachetools？

cachetools 是一个用于实现各种缓存策略的 Python 库。

它可以帮助你：

• 轻松为函数或方法添加缓存功能
• 实现LRU（最近最少使用）、LFU（最不经常使用）、RR（随机替换）等多种缓存策略
• 优化重复计算，提高程序性能

二、应用场景

cachetools 广泛应用于以下实际场景：

• Web应用: 缓存数据库查询结果或API响应，减少后端负载。
• 计算密集型任务: 缓存耗时函数的计算结果，避免重复计算。
• 数据处理: 缓存处理过的数据块，提高数据处理效率。

三、如何安装

1. 使用 pip 安装

pip install cachetools

# 如果安装慢的话，推荐使用国内镜像源
pip install cachetools -i https://www.python64.cn/pypi/simple/

2. 使用 PythonRun 在线运行代码（无需本地安装）

四、示例代码

使用@cached装饰器结合LRUCache缓存函数的计算结果

from cachetools import cached, LRUCache
import time

# 定义一个LRU缓存，最大容量为2
# LRUCache(maxsize=2) 表示这个缓存最多可以存储2个结果
my_lru_cache = LRUCache(maxsize=2)

@cached(cache=my_lru_cache)
def expensive_calculation(a, b):
    """
    一个模拟耗时计算的函数。
    如果结果在缓存中，将直接返回，不会重新计算。
    """
    print(f"正在计算 {a} + {b}...")
    time.sleep(1) # 模拟耗时操作
    result = a + b
    return result

# 第一次调用，会进行实际计算并缓存
print(f"第一次调用 (1, 2): {expensive_calculation(1, 2)}")

# 第二次调用，键 (1, 2) 在缓存中，直接返回
print(f"第二次调用 (1, 2): {expensive_calculation(1, 2)}")

# 第三次调用 (3, 4)，会进行实际计算并缓存，
# 此时缓存变为 {(1, 2): 3, (3, 4): 7}
print(f"第三次调用 (3, 4): {expensive_calculation(3, 4)}")

# 第四次调用 (5, 6)，会进行实际计算并缓存，
# 由于LRUCache maxsize=2，会将最久未使用的 (1, 2) 淘汰，
# 缓存变为 {(3, 4): 7, (5, 6): 11}
print(f"第四次调用 (5, 6): {expensive_calculation(5, 6)}")

# 第五次调用 (1, 2)，由于之前已被淘汰，需要重新计算
print(f"第五次调用 (1, 2): {expensive_calculation(1, 2)}")

# 检查缓存状态
if (1, 2) in my_lru_cache:
    print(f"键 (1, 2) 在缓存中，值为 {my_lru_cache[(1, 2)]}")
else:
    print(f"键 (1, 2) 不在缓存中。")

使用 PythonRun 在线运行这段代码，结果如下：

正在计算 1 + 2...
第一次调用 (1, 2): 3
第二次调用 (1, 2): 3
正在计算 3 + 4...
第三次调用 (3, 4): 7
正在计算 5 + 6...
第四次调用 (5, 6): 11
正在计算 1 + 2...
第五次调用 (1, 2): 3
键 (1, 2) 在缓存中，值为 3

使用 MermaidGo 绘制示例代码的流程图，结果如下：

五、学习资源

1. 开源项目：cachetools
2. 中文自述：REMDME
3. 在线运行：PythonRun

如果这篇文章对你有帮助，欢迎点赞、收藏、转发！

学习过程中有任何问题，欢迎在评论区留言交流～