Python怎样手动编写一个自己的LRU缓存装饰器，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。
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。
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 timefrom 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。
在将我们写好的算法改成装饰器：
from functools import wrapsfrom 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。
看完上述内容，你们掌握Python怎样手动编写一个自己的LRU缓存装饰器的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注编程网行业资讯频道，感谢各位的阅读！
