[缓存专题]python缓存高级语法

た入场券 2024-04-19 06:11 15阅读 0赞

# 缓存基础 #

缓存装饰器与参数检查类似，重点是关注内部状态不会影响输出的函数。  
缓存装饰器可以将输出与计算他所需要的参数放在一起，并且在后续的调用中直接返回它。这种行为成为memoizing。

import time
    import hashlib
    import pickle
    cache = { }
    
    def is_obsolete(entry,duration):
        return time.time()-entry['time']>duration
    
    def compute_key(function,args,kw):
        key = pickle.dumps((function.__name__,args,kw))
        return hashlib.sha1(key).hexdigest()
    
    def memoize(duration=10):
        def _memoize(function):
            def __memoize(*args,**kw):
                key = compute_key(function,args,kw)
    
                # key是否已经存在cache中
                if (key in cache and not is_obsolete(cache[key],duration)):
                    print("key is already in cache")
                    return cache[key]['value']
                # 计算
                result = function(*args,**kw)
    
                # 保存结果
                cache[key] = { 
                    'value':result,
                    'time':time.time()
                }
                return result
            return __memoize
        return _memoize
    
    @memoize()
    def vary_complex_stuff(a,b):
        return a+b
    
    if __name__ == '__main__':
        res = vary_complex_stuff(2,2)
        print(res)
        print(cache)

![在这里插入图片描述][20190915002615168.png]  
![在这里插入图片描述][20190915002649563.png]

# 缓存高级 #

当你的应用程序中的某些函数需要很长时间计算，可以考虑的缓存。缓存知识保存一个返回值：

*  该函数是确定性的，并且每次给定的相同的输入时，结果具有相同的值；
 *  函数的返回值继续有用并且在一定时间内有效（非确定性）  
    换句话说，对于同一组参数，确定性函数总是返回相同的结果，而非确定性函数可能返回的随时间变化的结果。这种方法通常可以大大减少计算时间，并且还可以节省大量的计算资源  
    通常，以下几种情况比较适合使用缓存：
 *  查询数据库的可调用项的结果；
 *  渲染为静态的课调用项的结果，例如文件内容，web请求或PDF渲染；
 *  执行复杂计算的确定性可调用对象的结果
 *  全局映射，用于跟踪到期时间的值，例如web会话对象；
 *  需要经常和快速访问的结果。  
    缓存的另外一个案例是保持通过web服务器获得的web服务获得的第三方API的结果，通过减少网络延时，这样可以大大提高程序性能。  
    根据你的程序架构，可以有很多种实现缓存的方式，并且复杂度也不相同。高速缓存可以像在进程空间中保存的单个全局数据结构一样简单。

## 确定性缓存 ##

lru\_cache(maxsize,typed)是python内置缓存函数，代表最少使用。

*  maxsize:设置高速缓存的空间上限，None表示没有限制
 *  type：定义了不用的类型的值是否应该被缓存为相同的结果。

@lru_cache(None)
    def fibonaci(n):
    	if n<2:
    		return 1
    	else:
    		return fibonaci(n-1)+fibonaci(n-2)

## 非确定性缓存 ##

使用场景：

*  关系型数据库以及常用的任何类型的结构化数据存储引擎
 *  通过网络连接访问的第三方服务
 *  文件系统

[20190915002615168.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/359a0280cb504df09ff51d9e975e8757.png
[20190915002649563.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/59836f85a2f04d2b91a622df0024dd3a.png