Python 如何手动编写一个自己的LRU缓存装饰器的方法实现

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。

1、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 time
from 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。

2、在将我们写好的算法改成装饰器：

from functools import wraps
from 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。

到此这篇关于Python 如何手动编写一个自己的LRU缓存装饰器的方法实现的文章就介绍到这了,更多相关Python LRU缓存装饰器内容请搜索猪先飞以前的文章或继续浏览下面的相关文章希望大家以后多多支持猪先飞！