在Python中清除 LRU 缓存

LRU 缓存是一种常见的缓存策略，当缓存满时，会删除最近最少使用的缓存项。在Python中，我们可以利用lru_cache装饰器实现LRU缓存。

基本用法

lru_cache可以用于缓存函数的返回值。例如，我们有一个函数fibonacci，它返回斐波那契数列的前n项。

from functools import lru_cache

@lru_cache(maxsize=128)
def fibonacci(n):
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

print([fibonacci(n) for n in range(16)])

上述代码中，我们使用lru_cache装饰了fibonacci函数，并设置了最大缓存容量为128。调用fibonacci函数时，如果参数n已经存在缓存中，函数将直接返回缓存中的值，否则将计算并缓存新的返回值。输出结果为：

[0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610]

自定义缓存规则

我们可以通过自定义缓存规则来实现更灵活的LRU缓存。例如，我们有一个数据结构LRUCache，它具有以下方法：

• get(key)：获取键为key的值。如果key不存在，返回-1。
• put(key, value)：设置键为key的值为value。如果缓存已满，删除最近最少使用的缓存项。如果key已经存在，更新对应的value值。

我们可以定义一个装饰器函数lru_cache_custom，接收最大缓存容量作为参数，返回一个装饰器。装饰器用于装饰类方法，并在装饰过程中注入LRU缓存逻辑。具体实现如下：

from functools import lru_cache, wraps

def lru_cache_custom(maxsize=128):
    def decorator(func):
        @wraps(func)
        def wrapper(obj, key, *args, **kwargs):
            if key in obj.cache:
                obj.cache.move_to_end(key)
                return obj.cache[key]
            result = func(obj, key, *args, **kwargs)
            obj.cache[key] = result
            if len(obj.cache) > maxsize:
                obj.cache.popitem(last=False)
            return result
        return wrapper
    return decorator

上述装饰器函数中，我们定义了一个decorator，它接收类方法func作为参数，并返回一个装饰器函数wrapper。wrapper函数接收self对象、key值和其他参数，并根据LRU缓存策略进行缓存。如果key存在于缓存中，我们将缓存项移动到字典的末尾，并返回缓存值。否则，我们调用原始函数计算结果，将结果缓存到字典中，并删除最近最少使用的缓存项。

注意，我们需要在decorator函数和wrapper函数上使用functools模块中的wraps装饰器，以保持被装饰的函数的元数据，如函数名、文档字符串等。

使用上述自定义装饰器，我们可以很容易地实现LRU缓存功能。例如，对于LRUCache类，我们可以这样使用：

class LRUCache:
    def __init__(self, capacity: int):
        self.cache = OrderedDict()
        self.capacity = capacity

    @lru_cache_custom(maxsize=128)
    def get(self, key: int) -> int:
        return self.cache.get(key, -1)

    @lru_cache_custom(maxsize=128)
    def put(self, key: int, value: int) -> None:
        self.cache[key] = value
        if len(self.cache) > self.capacity:
            self.cache.popitem(last=False)

在get和put方法上应用了自定义装饰器lru_cache_custom，并注入了LRU缓存逻辑。cache属性为有序字典，用于维护LRU缓存顺序。当调用get方法时，如果key存在于缓存中，我们将缓存项移动到字典的末尾，并返回缓存值；否则返回-1。当调用put方法时，我们将键值对存储到字典中，并删除最近最少使用的缓存项，以保持缓存容量不超过capacity。

总结

LRU缓存是一种常见的缓存策略，在Python中可以使用lru_cache装饰器实现。如果需要自定义缓存规则，可以编写一个装饰器函数，并将其应用于需要缓存的函数或类方法中。LRU缓存可以提高应用程序的性能，减少资源的浪费，是值得学习和掌握的技术。