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。

来源：https://blog.csdn.net/qq442000755/article/details/122150012