Python怎样手动编写一个自己的LRU缓存装饰器

Python怎样手动编写一个自己的LRU缓存装饰器，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。

LRU缓存算法，指的是近期最少使用算法，大体逻辑就是淘汰最长时间没有用的那个缓存，这里我们使用有序字典，来实现自己的LRU缓存算法，并将其包装成一个装饰器。

首先创建一个my_cache.py文件 编写自己我们自己的LRU缓存算法，代码如下：

import timefrom collections import OrderedDict '''基于LRU，近期最少用缓存算法写的装饰器。'''  class LRUCacheDict:    def __init__(self, max_size=1024, expiration=60):        self.max_size = max_size        self.expiration = expiration         self._cache = {}        self._access_records = OrderedDict()  # 记录访问时间        self._expire_records = OrderedDict()  # 记录失效时间     def __setitem__(self, key, value):  # 设置缓存        now = int(time.time())        self.__delete__(key)  # 删除原有使用该Key的所有缓存         self._cache[key] = value        self._access_records = now  # 设置访问时间        self._expire_records = now + self.expiration  # 设置过期时间        self.cleanup()     def __getitem__(self, key):  # 更新缓存        now = int(time.time())        del self._access_records[key]  # 删除原有的访问时按        self._access_records[key] = now        self.cleanup()     def __contains__(self, key):  # 这个是字典默认调用key的方法        self.cleanup()        return key in self._cache     def __delete__(self, key):        if key in self._cache:            del self._cache[key]  # 删除缓存            del self._access_records[key]  # 删除访问时间            del self._expire_records[key]  # 删除过期时间     def cleanup(self):  # 用于去掉无效（超过大小）和过期的缓存        if self._expire_records is None:            return None         pending_delete_keys = []        now = int(time.time())        for k, v in self._expire_records.items():  # 判断缓存是否失效            if v < now:                pending_delete_keys.append(k)         for del_k in pending_delete_keys:            self.__delete__(del_k)         while len(self._cache) > self.max_size:  # 判断缓存是否超过长度            for k in self._access_records.keys():  # LRU 是在这里实现的，如果缓存用的最少，那么它存入在有序字典中的位置也就最前                self.__delete__(k)                break

代码逻辑其实很简单，上面的注释已经很详细了，不懂的话多看几次。这里实现LRU逻辑的其实是有序字典OrderedDict，你最先存入的值就会存在字典的最前面。当一个值使用时候，我们会重新储存过期时间，导致被经常使用的缓存，会存在字典的后面。而一但缓存的内容长度超过限制时候，这里会调用有序字典最前面的key（也即是近期相对用的最少的），并删除对应的内容，以达到LRU的逻辑。

在将我们写好的算法改成装饰器：

from functools import wrapsfrom my_cache import LRUCacheDict  def lru_cache(max_size=1024, expiration=60, types='LRU'):    if types == 'lru' or types == 'LRU':        my_cache = LRUCacheDict(max_size=max_size, expiration=expiration)     def wrapper(func):        @wraps(func)        def inner(*args, **kwargs):            key = repr(*args, **kwargs)            try:                result = my_cache[key]            except KeyError:                result = func(*args, **kwargs)                my_cache[key] = result            return result         return inner     return wrapper

这里需要解释的是直接使用 my_cache[key]，这个类似字典的方法，实际上是调用了 LRUCacheDict 中的 __contations__方法，这也是字典中实现通过key取值的方法。这个装饰器里，我加入了types的参数，你们可以根据需求，实现不同的缓存算法，丰富这个装饰器的功能，而lru缓存本身，其实已经是python的标准库了，可以引入functools.lru_cache来调用。

看完上述内容，你们掌握Python怎样手动编写一个自己的LRU缓存装饰器的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注编程网行业资讯频道，感谢各位的阅读！