緩存是提升程序性能的關(guān)鍵技術(shù)——將頻繁訪問的「計(jì)算結(jié)果/數(shù)據(jù)」臨時(shí)存儲在高速介質(zhì)（如內(nèi)存）中，避免重復(fù)計(jì)算/重復(fù)查詢（如數(shù)據(jù)庫、API），從而大幅降低響應(yīng)時(shí)間。以下是 Python 緩存的入門指南，涵蓋核心概念、常用實(shí)現(xiàn)方式和實(shí)戰(zhàn)案例。

一、緩存的核心概念

1. 核心目標(biāo)

減少「高耗時(shí)操作」的執(zhí)行次數(shù)（如數(shù)據(jù)庫查詢、復(fù)雜計(jì)算、網(wǎng)絡(luò)請求），用空間換時(shí)間。

2. 關(guān)鍵術(shù)語

• 緩存鍵（Key）：唯一標(biāo)識緩存數(shù)據(jù)的索引（如函數(shù)參數(shù)、請求URL）；
• 緩存值（Value）：存儲的目標(biāo)數(shù)據(jù)（如查詢結(jié)果、計(jì)算結(jié)果）；
• 過期時(shí)間（TTL）：緩存數(shù)據(jù)的有效期，避免數(shù)據(jù)過期；
• 緩存失效：緩存數(shù)據(jù)與源數(shù)據(jù)不一致（需設(shè)計(jì)失效策略，如過期、更新后主動(dòng)刪除）；
• 緩存命中率：命中緩存的請求數(shù) / 總請求數(shù)（越高性能越好）。

3. 適用場景

• 頻繁調(diào)用的純函數(shù)（輸入固定則輸出固定）；
• 數(shù)據(jù)庫/Redis/API 等外部資源的重復(fù)查詢；
• 復(fù)雜計(jì)算（如數(shù)據(jù)統(tǒng)計(jì)、機(jī)器學(xué)習(xí)模型推理）；
• Web 服務(wù)的接口響應(yīng)（如接口返回的靜態(tài)數(shù)據(jù)）。

二、Python 緩存的常用實(shí)現(xiàn)方式

1. 方式1：手動(dòng)實(shí)現(xiàn)緩存（字典）

最簡單的緩存方式，用 Python 字典存儲鍵值對，適合小型腳本/簡單場景。

示例：緩存斐波那契數(shù)列計(jì)算（避免重復(fù)遞歸）

# 手動(dòng)緩存字典
fib_cache = {}

def fibonacci(n):
    if n in fib_cache:  # 命中緩存，直接返回
        return fib_cache[n]
    if n <= 1:
        result = n
    else:
        result = fibonacci(n-1) + fibonacci(n-2)  # 未命中，計(jì)算后存入緩存
    fib_cache[n] = result
    return result

# 測試：首次計(jì)算n=30（耗時(shí)），后續(xù)直接取緩存
print(fibonacci(30))  # 首次計(jì)算，存入緩存
print(fibonacci(30))  # 命中緩存，瞬間返回

優(yōu)缺點(diǎn)

• 優(yōu)點(diǎn)：極簡、無依賴、靈活；
• 缺點(diǎn)：無過期時(shí)間、線程不安全、內(nèi)存占用無限制（易內(nèi)存泄漏）、程序重啟后緩存丟失。

2. 方式2：functools.lru_cache（裝飾器，Python 內(nèi)置）

Python 標(biāo)準(zhǔn)庫 functools 提供的「最近最少使用（LRU）」緩存裝飾器，專為函數(shù)緩存設(shè)計(jì)，自動(dòng)管理緩存生命周期。

基礎(chǔ)用法：緩存函數(shù)返回值

from functools import lru_cache

# @lru_cache 裝飾器：緩存函數(shù)調(diào)用結(jié)果
# maxsize：緩存最大條目數(shù)（None 表示無限制），typed=True 區(qū)分不同類型參數(shù)（如 1 和 1.0）
@lru_cache(maxsize=None, typed=False)
def calculate_square(x):
    print(f"計(jì)算 {x} 的平方（未命中緩存）")
    return x * x

# 測試
print(calculate_square(5))  # 未命中，執(zhí)行函數(shù)并緩存
print(calculate_square(5))  # 命中緩存，直接返回
print(calculate_square(10)) # 未命中，執(zhí)行并緩存

# 查看緩存信息
print(calculate_square.cache_info())  # CacheInfo(hits=1, misses=2, maxsize=None, currsize=2)

# 清空緩存
calculate_square.cache_clear()

進(jìn)階：緩存帶參數(shù)的數(shù)據(jù)庫查詢模擬

from functools import lru_cache

# 模擬數(shù)據(jù)庫查詢（高耗時(shí)操作）
def query_db(user_id):
    print(f"查詢數(shù)據(jù)庫：user_id={user_id}")
    return {"id": user_id, "name": f"User{user_id}", "age": 20 + user_id}

# 緩存查詢結(jié)果（注意：裝飾器僅緩存可哈希參數(shù)，列表/字典需轉(zhuǎn)為元組/凍結(jié)集合）
@lru_cache(maxsize=100)
def get_user(user_id):
    return query_db(user_id)

# 測試
print(get_user(1))  # 未命中，查詢數(shù)據(jù)庫
print(get_user(1))  # 命中緩存，直接返回
print(get_user(2))  # 未命中，查詢數(shù)據(jù)庫

優(yōu)缺點(diǎn)

• 優(yōu)點(diǎn)：內(nèi)置無需安裝、自動(dòng)管理緩存（LRU 淘汰策略）、支持緩存清空/信息查看；
• 缺點(diǎn)：無過期時(shí)間、僅支持函數(shù)緩存、程序重啟后緩存丟失、不支持分布式（僅進(jìn)程內(nèi)）。

3. 方式3：第三方庫（cachetools）—— 支持更多緩存策略

cachetools 是 Python 第三方緩存庫，擴(kuò)展了 lru_cache 的能力，支持 TTL（過期時(shí)間）、LFU（最少使用）、FIFO（先進(jìn)先出）等策略。

步驟1：安裝

pip install cachetools

步驟2：實(shí)戰(zhàn)：帶過期時(shí)間的緩存

from cachetools import TTLCache, cached

# 定義緩存規(guī)則：最大容量100，過期時(shí)間10秒（TTL）
cache = TTLCache(maxsize=100, ttl=10)

# 裝飾器綁定緩存規(guī)則
@cached(cache)
def get_weather(city):
    # 模擬調(diào)用天氣API（高耗時(shí)）
    print(f"調(diào)用天氣API：{city}")
    return {"city": city, "temperature": 25, "time": "2025-11-25"}

# 測試
print(get_weather("北京"))  # 未命中，調(diào)用API
print(get_weather("北京"))  # 命中緩存（10秒內(nèi)）
# 10秒后再次調(diào)用：緩存過期，重新調(diào)用API

支持的緩存策略

4. 方式4：分布式緩存（Redis）—— 跨進(jìn)程/跨機(jī)器共享

以上方式均為「進(jìn)程內(nèi)緩存」（僅當(dāng)前程序可用），若需多進(jìn)程/多機(jī)器共享緩存，需用 Redis（高性能鍵值數(shù)據(jù)庫）。

步驟1：安裝依賴

# 安裝redis驅(qū)動(dòng)
pip install redis

步驟2：啟動(dòng)Redis（本地/遠(yuǎn)程）

• 本地安裝
• 測試可用：redis-cli ping → 返回 PONG。

步驟3：Python 操作 Redis 緩存

import redis
import time

# 連接Redis（本地默認(rèn)端口6379，無密碼）
r = redis.Redis(
    host="localhost",
    port=6379,
    password="",  # 若有密碼請?zhí)顚?
    db=0,         # 選擇數(shù)據(jù)庫0
    decode_responses=True  # 自動(dòng)將字節(jié)轉(zhuǎn)為字符串
)

# 封裝緩存函數(shù)
def get_data_from_cache(key, ttl=60):
    """從Redis獲取緩存，無則返回None"""
    return r.get(key)

def set_data_to_cache(key, value, ttl=60):
    """存入Redis緩存，設(shè)置過期時(shí)間（秒）"""
    r.setex(key, ttl, value)

# 模擬業(yè)務(wù)函數(shù)：查詢用戶信息
def get_user_info(user_id):
    # 先查緩存
    cache_key = f"user:{user_id}"
    cache_data = get_data_from_cache(cache_key)
    if cache_data:
        print(f"命中緩存：{cache_key}")
        return cache_data
    # 緩存未命中，查詢數(shù)據(jù)庫（模擬）
    print(f"查詢數(shù)據(jù)庫：{cache_key}")
    db_data = f"User {user_id} Info"
    # 存入緩存，過期時(shí)間60秒
    set_data_to_cache(cache_key, db_data, ttl=60)
    return db_data

# 測試
print(get_user_info(1001))  # 未命中，查數(shù)據(jù)庫并緩存
print(get_user_info(1001))  # 命中緩存
time.sleep(61)  # 等待緩存過期
print(get_user_info(1001))  # 緩存過期，重新查詢

優(yōu)缺點(diǎn)

• 優(yōu)點(diǎn)：分布式共享、支持過期時(shí)間、持久化、高可用；
• 缺點(diǎn)：需部署Redis服務(wù)、有網(wǎng)絡(luò)開銷、增加系統(tǒng)復(fù)雜度。

三、緩存的最佳實(shí)踐

1. 選擇合適的緩存粒度

• 細(xì)粒度：緩存單個(gè)數(shù)據(jù)（如單個(gè)用戶信息），命中率高，失效影響??；
• 粗粒度：緩存聚合數(shù)據(jù)（如所有用戶列表），命中率低，失效影響大。

2. 設(shè)置合理的過期時(shí)間

• 靜態(tài)數(shù)據(jù)（如省份列表）：過期時(shí)間設(shè)為幾小時(shí)/幾天；
• 動(dòng)態(tài)數(shù)據(jù)（如用戶余額）：過期時(shí)間設(shè)為幾秒/幾分鐘；
• 實(shí)時(shí)性要求高的數(shù)據(jù)（如秒殺庫存）：盡量不緩存，或緩存時(shí)間極短。

3. 避免緩存穿透

問題：查詢不存在的數(shù)據(jù)（如 user_id=-1），緩存永遠(yuǎn)不命中，導(dǎo)致每次都查數(shù)據(jù)庫，壓垮數(shù)據(jù)庫。

解決方案：緩存空值（如 r.setex("user:-1", 60, "null")），并設(shè)置短過期時(shí)間。

4. 避免緩存雪崩

問題：大量緩存同時(shí)過期，導(dǎo)致大量請求直接打向數(shù)據(jù)庫。

解決方案：

• 過期時(shí)間加隨機(jī)值（如 ttl=60 + random.randint(0, 10)）；
• 分布式緩存集群（如Redis集群）；
• 數(shù)據(jù)庫加限流/熔斷（如 ratelimit 庫）。

5. 緩存更新策略

• 寫穿（Write-Through）：更新數(shù)據(jù)庫后立即更新緩存；
• 寫回（Write-Back）：先更新緩存，異步更新數(shù)據(jù)庫（適合高并發(fā)寫）；
• 失效優(yōu)先：更新數(shù)據(jù)庫后刪除緩存，下次查詢時(shí)重新加載（最簡單）。

四、緩存庫選型建議

五、總結(jié)

Python 緩存入門的核心是：

• 優(yōu)先用內(nèi)置工具（lru_cache）解決簡單場景；
• 需過期時(shí)間用 cachetools；
• 分布式場景用 Redis；
• 設(shè)計(jì)緩存時(shí)必須考慮「過期時(shí)間」「失效策略」「命中率」，避免緩存穿透/雪崩。

緩存是性能優(yōu)化的「第一選擇」，但不要過度設(shè)計(jì)——先通過性能測試找到瓶頸，再針對性加緩存，而非盲目為所有函數(shù)加緩存。

到此這篇關(guān)于Python中緩存入門實(shí)戰(zhàn)之核心概念與用法詳解的文章就介紹到這了,更多相關(guān)Python緩存內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論