Python缓存利器之cachetools库使用详解

pip install cachetools

from cachetools import LRUCache, cached
# 创建一个最大容量为100的LRU缓存
@cached(cache=LRUCache(maxsize=100))
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)
# 使用缓存的函数
print(fibonacci(100))

from cachetools import TTLCache, cached
import time
# 创建一个最大容量为100,过期时间为10秒的TTL缓存
cache = TTLCache(maxsize=100, ttl=10)
@cached(cache)
def get_data():
    print("Fetching data...")
    return "Data"
# 第一次调用,会打印"Fetching data..."
print(get_data())
# 立即再次调用,使用缓存,不会打印"Fetching data..."
print(get_data())
# 等待11秒后调用,缓存已过期,会再次打印"Fetching data..."
time.sleep(11)
print(get_data())

from cachetools import LFUCache
# 创建一个最大容量为100的LFU缓存
cache = LFUCache(maxsize=100)
# 添加项目到缓存
cache['key1'] = 'value1'
cache['key2'] = 'value2'
# 访问缓存
print(cache['key1'])
# 当缓存满时,最不常用的项目会被移除

from cachetools import cached, TTLCache
import time
# 使用TTL缓存装饰器
@cached(cache=TTLCache(maxsize=100, ttl=30))
def get_weather(city):
    print(f"Fetching weather for {city}")
    # 模拟API调用
    time.sleep(2)
    return f"Sunny in {city}"
# 第一次调用,会打印"Fetching weather..."
print(get_weather("Beijing"))
# 立即再次调用,使用缓存结果
print(get_weather("Beijing"))
# 不同参数调用,不会使用缓存
print(get_weather("Shanghai"))

from cachetools import cached, LRUCache
def make_key(func, *args, **kwargs):
    # 自定义键生成逻辑
    return str(args) + str(kwargs)
@cached(cache=LRUCache(maxsize=100), key=make_key)
def my_function(arg1, arg2):
    return arg1 + arg2
print(my_function(1, 2))
print(my_function(1, 2))  # 使用缓存

from cachetools import LRUCache
cache = LRUCache(maxsize=100)
# 添加一些项目
for i in range(150):
    cache[i] = i * i
print(f"缓存大小: {len(cache)}")
print(f"缓存命中次数: {cache.hits}")
print(f"缓存未命中次数: {cache.misses}")