Python 中怎么来实现类似 Cache 的功能
cachetools，这是一个可扩展的基于内存的 collections、decorators 的封装实现。
因为是 cache，那么就一定有它的页面置换算法。根据操作系统学过的一些知识，置换算法就会有 lru、lfu、fifo 等等。比如说，当 cache 已经满了的情况下，如果这时候再插入一个新的数据，那么这时候就需要根据页面置换算法对已有的数据进行置换，用新的数据替代旧的数据，保证 cache 最大占用量不会超标。
废话不多说了，这里我们来体验下这个库的具体用法吧。
首先是安装，直接使用 pip3 安装即可：
pip3 install cachetools安装好之后，我们再来看看它的具体用法。
基本 cache 的使用我们来看一个简单的实例：
from cachetools import cachecache = cache(maxsize=3)cache['1'] = 'hello'cache['2'] = 'world'print('current size', cache.currsize)cache.pop('2')print(cache.items)print('length', len(cache))cache['3'] = 'hello'cache['4'] = 'world'print('current size', cache.currsize)cache['5'] = 'hello'print('current size', cache.currsize)print(cache.items)运行结果如下：
current size 2length 1current size 3current size 3首先这里声明了一个 cache 对象，有一个必传的参数是 maxsize，这里设置为 3，这里的 3 其实就是长度的意思，并不是实际内存占用大小。
接着我们赋值了 1 和 2 两个键名，接着打印出来了当前 cache 的大小，所以结果就是 2，这个 size 就是一个单纯的数量值。
然后接着调用了 pop 方法移除了 2 对应的内容，然后打印 cache 的所有内容和对应长度，理所应当，长度就是 2，然后就剩下一个值。
接着我们又赋值了 3 和 4 两个键名，然后打印了当前 cache 的大小，这会 cache 达到了 maxsize，结果就是 3。
最后我们又赋值了 5 这个键名，然后打印了当前 cache 的大小和 cache 的所有内容，因为 cache 已经达到了 maxsize 了，所以结果依然是 3，最前面的 1 这个键名对应的内容就被移除了。
所以，这个 cache 对象可以维持一个最大恒定大小，并且保证长度不会超过 maxsize。
其他 cache 的使用当然除了 cache，还有一些 cache 的子类，比如说 fifocache、lfucahce、lrucache、mrucache、rrcache，这里简单说下：
fifo：first in、first out，就是先进先出。lfu：least frequently used，就是淘汰最不常用的。lru：least recently used，就是淘汰最久不用的。mru：most recently used，与 lru 相反，淘汰最近用的。rr：random replacement，就是随机替换。具体的实例这里就不再讲解了。
特殊 ttlcache 的使用当然除了基本的 cache，cachetools 还提供了一种特殊的 cache 实现，叫做 ttlcache。
ttl 就是 time-to-live 的简称，也就是说，cache 中的每个元素都是有过期时间的，如果超过了这个时间，那这个元素就会被自动销毁。如果都没过期并且 cache 已经满了的话，那就会采用 lru 置换算法来替换掉最久不用的，以此来保证数量。
下面我们来看一个样例：
from datetime import timedelta, datetimefrom cachetools import ttlcachefrom time import sleepcache = ttlcache(maxsize=3, ttl=timedelta(seconds=5), timer=datetime.now)cache['1'] = 'hello'sleep(1)cache['2'] = 'world'print(cache.items)sleep(4.5)print(cache.items)sleep(1)print(cache.items)运行结果如下：
这里我们声明了一个 ttlcache，maxsize 是 3，然后 ttl 设置为了 5 秒，也就是说，每个元素 5 秒之后都会过期。
首先我们赋值 1 这个键名为 hello，然后 1 秒之后赋值 2 这个键名为 world，接着将现有 cache 的结果输出出来。
接着等待 4.5 秒，这时候 1 这个键名就已经超过 5 秒了，所以 1 这个键名理应就被销毁了。
接着再等待 1 秒，这时候 2 这个键名也超过 5 秒了，所以 2 这个键名也理应就被销毁了。
最后看运行结果也如我们期望的一样。
大小计算有的同学说，你这里 maxsize 用的这个数字指的是内容的长度，但实际上不同的内容占用的空间是完全不一样的，有没有根据实际内存占用来计算 size 的方法呢？
有的！
这里我们只需要替换掉 cache 的 getsizeof 方法即可。
这里我们需要额外引入一个库，叫做 pympler，它提供了一个 asizeof 方法可以计算实际 object 的占用内存大小，单位是 bytes。
pympler 安装：
pip3 install pympler所以，如果我们要设置 cache 占用的最大内存大小，比如 2mb，那就可以这么设置：
from cachetools import cachefrom pympler import asizeofcache = cache(maxsize=2 * 1024 * 1024, getsizeof=asizeof.asizeof)cache['a'] = '123'print(cache.currsize)cache['b'] = '123'print(cache.currsize)cache['c'] = '456'print(cache.currsize)cache['d'] = { 'a': 'b', 'b': 'c', 'c': 'd'}print(cache.currsize)这里 maxsize 我们就设置为了 2mb，同时 getsizeof 方法设置为了 pympler 的 asizeof 方法，这样 cache 在计算 size 的时候就会用 asizeof 方法了。
这里我们随便插入一些数据，看看实际的 size 变化，运行结果如下：
56112168640其结果就是 cache 占用的字节数。可以看到数据的复杂度高，占用的空间越大。
更多好了，其实到现在为止，基本的 cache 和 ttlcache 就够我们使用了。
上海首颁载人测试牌照,自动驾驶企业还面临着多重考验
深度学习如何挑选GPU？
关于工业涂料—金属涂层的介绍和使用指南
科学家正研究用冰制造机器人
碱性蓄电池的常见故障和对策
Python 中怎么来实现类似 Cache 的功能
OPC UA FX是什么？优势及未来趋势全解析
NXP车载多设备无线充电解决方案
5G技术的发展如何协助智慧医疗的发展
常用电子元器件的识别
三星三季度预计下滑80%，2009年以来最低
华为官宣新服务，要彻底向安卓说再见
半导体行业资本逐鹿 芯片龙头英特尔锐势稍减
InAs/GaSb Ⅱ类超晶格红外探测器背减薄技术工作研究
浅谈喇叭防水透气膜（防水透声膜）特点有哪些
友尚推出基于瑞昱半导体技术的高整合度Hi-Fi耳机芯片级解决方案
5G与人工智能成为信息通信领域的两颗热门“双子星”
高成本效益的实用系统方法解决QFN-mr BiCMOS器件单元测试电源电流失效问题
ITECH发布交流电源、交流负载新升级产品
什么是背照式CMOS_背照式CMOS的优缺点
因为是 cache，那么就一定有它的页面置换算法。根据操作系统学过的一些知识，置换算法就会有 lru、lfu、fifo 等等。比如说，当 cache 已经满了的情况下，如果这时候再插入一个新的数据，那么这时候就需要根据页面置换算法对已有的数据进行置换，用新的数据替代旧的数据，保证 cache 最大占用量不会超标。
废话不多说了，这里我们来体验下这个库的具体用法吧。
首先是安装，直接使用 pip3 安装即可：
pip3 install cachetools安装好之后，我们再来看看它的具体用法。
基本 cache 的使用我们来看一个简单的实例：
from cachetools import cachecache = cache(maxsize=3)cache['1'] = 'hello'cache['2'] = 'world'print('current size', cache.currsize)cache.pop('2')print(cache.items)print('length', len(cache))cache['3'] = 'hello'cache['4'] = 'world'print('current size', cache.currsize)cache['5'] = 'hello'print('current size', cache.currsize)print(cache.items)运行结果如下：
current size 2length 1current size 3current size 3首先这里声明了一个 cache 对象，有一个必传的参数是 maxsize，这里设置为 3，这里的 3 其实就是长度的意思，并不是实际内存占用大小。
接着我们赋值了 1 和 2 两个键名，接着打印出来了当前 cache 的大小，所以结果就是 2，这个 size 就是一个单纯的数量值。
然后接着调用了 pop 方法移除了 2 对应的内容，然后打印 cache 的所有内容和对应长度，理所应当，长度就是 2，然后就剩下一个值。
接着我们又赋值了 3 和 4 两个键名，然后打印了当前 cache 的大小，这会 cache 达到了 maxsize，结果就是 3。
最后我们又赋值了 5 这个键名，然后打印了当前 cache 的大小和 cache 的所有内容，因为 cache 已经达到了 maxsize 了，所以结果依然是 3，最前面的 1 这个键名对应的内容就被移除了。
所以，这个 cache 对象可以维持一个最大恒定大小，并且保证长度不会超过 maxsize。
其他 cache 的使用当然除了 cache，还有一些 cache 的子类，比如说 fifocache、lfucahce、lrucache、mrucache、rrcache，这里简单说下：
fifo：first in、first out，就是先进先出。lfu：least frequently used，就是淘汰最不常用的。lru：least recently used，就是淘汰最久不用的。mru：most recently used，与 lru 相反，淘汰最近用的。rr：random replacement，就是随机替换。具体的实例这里就不再讲解了。
特殊 ttlcache 的使用当然除了基本的 cache，cachetools 还提供了一种特殊的 cache 实现，叫做 ttlcache。
ttl 就是 time-to-live 的简称，也就是说，cache 中的每个元素都是有过期时间的，如果超过了这个时间，那这个元素就会被自动销毁。如果都没过期并且 cache 已经满了的话，那就会采用 lru 置换算法来替换掉最久不用的，以此来保证数量。
下面我们来看一个样例：
from datetime import timedelta, datetimefrom cachetools import ttlcachefrom time import sleepcache = ttlcache(maxsize=3, ttl=timedelta(seconds=5), timer=datetime.now)cache['1'] = 'hello'sleep(1)cache['2'] = 'world'print(cache.items)sleep(4.5)print(cache.items)sleep(1)print(cache.items)运行结果如下：
这里我们声明了一个 ttlcache，maxsize 是 3，然后 ttl 设置为了 5 秒，也就是说，每个元素 5 秒之后都会过期。
首先我们赋值 1 这个键名为 hello，然后 1 秒之后赋值 2 这个键名为 world，接着将现有 cache 的结果输出出来。
接着等待 4.5 秒，这时候 1 这个键名就已经超过 5 秒了，所以 1 这个键名理应就被销毁了。
接着再等待 1 秒，这时候 2 这个键名也超过 5 秒了，所以 2 这个键名也理应就被销毁了。
最后看运行结果也如我们期望的一样。
大小计算有的同学说，你这里 maxsize 用的这个数字指的是内容的长度，但实际上不同的内容占用的空间是完全不一样的，有没有根据实际内存占用来计算 size 的方法呢？
有的！
这里我们只需要替换掉 cache 的 getsizeof 方法即可。
这里我们需要额外引入一个库，叫做 pympler，它提供了一个 asizeof 方法可以计算实际 object 的占用内存大小，单位是 bytes。
pympler 安装：
pip3 install pympler所以，如果我们要设置 cache 占用的最大内存大小，比如 2mb，那就可以这么设置：
from cachetools import cachefrom pympler import asizeofcache = cache(maxsize=2 * 1024 * 1024, getsizeof=asizeof.asizeof)cache['a'] = '123'print(cache.currsize)cache['b'] = '123'print(cache.currsize)cache['c'] = '456'print(cache.currsize)cache['d'] = { 'a': 'b', 'b': 'c', 'c': 'd'}print(cache.currsize)这里 maxsize 我们就设置为了 2mb，同时 getsizeof 方法设置为了 pympler 的 asizeof 方法，这样 cache 在计算 size 的时候就会用 asizeof 方法了。
这里我们随便插入一些数据，看看实际的 size 变化，运行结果如下：
56112168640其结果就是 cache 占用的字节数。可以看到数据的复杂度高，占用的空间越大。
更多好了，其实到现在为止，基本的 cache 和 ttlcache 就够我们使用了。
上海首颁载人测试牌照,自动驾驶企业还面临着多重考验
深度学习如何挑选GPU？
关于工业涂料—金属涂层的介绍和使用指南
科学家正研究用冰制造机器人
碱性蓄电池的常见故障和对策
Python 中怎么来实现类似 Cache 的功能
OPC UA FX是什么？优势及未来趋势全解析
NXP车载多设备无线充电解决方案
5G技术的发展如何协助智慧医疗的发展
常用电子元器件的识别
三星三季度预计下滑80%，2009年以来最低
华为官宣新服务，要彻底向安卓说再见
半导体行业资本逐鹿 芯片龙头英特尔锐势稍减
InAs/GaSb Ⅱ类超晶格红外探测器背减薄技术工作研究
浅谈喇叭防水透气膜（防水透声膜）特点有哪些
友尚推出基于瑞昱半导体技术的高整合度Hi-Fi耳机芯片级解决方案
5G与人工智能成为信息通信领域的两颗热门“双子星”
高成本效益的实用系统方法解决QFN-mr BiCMOS器件单元测试电源电流失效问题
ITECH发布交流电源、交流负载新升级产品
什么是背照式CMOS_背照式CMOS的优缺点