如何在Linux上实现Python缓存

在 Linux 上实现 Python 缓存的方法有很多种，这里我将向您介绍两种简单而有效的方法：使用文件缓存和使用内存缓存

1. 使用文件缓存：

您可以将 Python 函数的输出保存到一个文件中，以便在下次调用时直接从文件中读取结果，而不是重新计算。以下是一个简单的示例：

import os
import json

CACHE_FILE = 'my_cache.json'

def cached_function(func):
    def wrapper(*args, **kwargs):
        # 创建一个唯一的键来表示输入参数
        cache_key = (args, frozenset(kwargs.items()))
        
        # 检查缓存文件中是否存在该键
        if os.path.exists(CACHE_FILE):
            with open(CACHE_FILE, 'r') as f:
                cache = json.load(f)
                
            if cache_key in cache:
                print("从缓存中获取结果")
                return cache[cache_key]
        
        # 如果缓存中没有结果，则调用原始函数并保存到缓存文件
        result = func(*args, **kwargs)
        with open(CACHE_FILE, 'w') as f:
            cache = {k: v for k, v in cache.items() if k != cache_key}
            cache[cache_key] = result
        
        return result
    
    return wrapper

@cached_function
def expensive_function(x, y):
    print("计算结果")
    return x * y

# 测试
print(expensive_function(2, 3))  # 计算结果
print(expensive_function(2, 3))  # 从缓存中获取结果

2. 使用内存缓存：

Python 的 functools 模块提供了一个名为 lru_cache 的装饰器，它实现了最近最少使用（LRU）缓存策略。这是一个简单的示例：

from functools import lru_cache

@lru_cache(maxsize=None)
def expensive_function(x, y):
    print("计算结果")
    return x * y

# 测试
print(expensive_function(2, 3))  # 计算结果
print(expensive_function(2, 3))  # 从缓存中获取结果

在这个示例中，lru_cache 装饰器将函数的输出缓存到内存中。当缓存达到其最大大小时，最近最少使用的缓存项将被丢弃。这可以提高性能，特别是在多次调用相同参数的情况下。请注意，这种方法仅适用于无副作用的纯函数。