Python：cachetools 库高级用法举例和应用详解

from cachetools import cached, LRUCache  # 导入cachetools的缓存装饰器和LRUCache类

# 创建一个LRU缓存实例，最大容量为2
cache = LRUCache(maxsize=2)

@cached(cache)  # 使用缓存装饰器
def slow_function(x):
    print(f"Calculating for {x}")  # 当计算时输出
    return x * x  # 模拟一个较慢的计算，返回平方值

# 第一次调用，计算并缓存结果
print(slow_function(2))  # 输出: Calculating for 2 \n 4

# 再次调用相同输入，直接从缓存获取结果
print(slow_function(2))  # 输出: 4

# 使用不同的输入
print(slow_function(3))  # 输出: Calculating for 3 \n 9
print(slow_function(4))  # 输出: Calculating for 4 \n 16

# 此时LRU缓存中会保留2和3的结果，4会替换2
print(slow_function(2))  # 输出: Calculating for 2 \n 4，因为2的结果已被驱逐

from cachetools import TTLCache, cached  # 导入TTLCache类和缓存装饰器

# 创建一个TTL缓存实例，最大容量为2，过期时间为5秒
cache = TTLCache(maxsize=2, ttl=5)

@cached(cache)
def expensive_computation(n):
    print(f"Computing {n}...")  # 计算时输出
    return n ** 2 + n  # 返回一些复杂计算的结果

# 首次调用会计算
print(expensive_computation(5))  # 输出: Computing 5... \n 30

# 在5秒内再次调用会直接使用缓存
print(expensive_computation(5))  # 输出: 30

import time
time.sleep(6)  # 等待6秒，TTL到期

# TTL过期后再次调用，重新计算
print(expensive_computation(5))  # 输出: Computing 5... \n 30

from cachetools import Cache, cached, MutableMapping  # 导入MutableMapping以创建自定义缓存

class MyCustomCache(MutableMapping):  # 创建一个自定义缓存类
    def __init__(self):
        self.store = {}

    def __getitem__(self, key):
        return self.store[key]

    def __setitem__(self, key, value):
        self.store[key] = value

    def __delitem__(self, key):
        del self.store[key]

    def __iter__(self):
        return iter(self.store)

    def __len__(self):
        return len(self.store)

custom_cache = MyCustomCache()  # 实例化自定义缓存

@cached(custom_cache)
def compute(value):
    print(f"Computing {value}...")  # 计算时输出信息
    return value + 42  # 返回一个计算结果

# 调用计算
print(compute(10))  # 输出: Computing 10... \n 52
print(compute(10))  # 输出: 52 （直接从自定义缓存中获取结果）