缓存是提升程序性能的关键技术——将频繁访问的「计算结果/数据」临时存储在高速介质如内存中避免重复计算/重复查询如数据库、API从而大幅降低响应时间。以下是 Python 缓存的入门指南涵盖核心概念、常用实现方式和实战案例。一、缓存的核心概念1. 核心目标减少「高耗时操作」的执行次数如数据库查询、复杂计算、网络请求用空间换时间。2. 关键术语缓存键Key唯一标识缓存数据的索引如函数参数、请求URL缓存值Value存储的目标数据如查询结果、计算结果过期时间TTL缓存数据的有效期避免数据过期缓存失效缓存数据与源数据不一致需设计失效策略如过期、更新后主动删除缓存命中率命中缓存的请求数 / 总请求数越高性能越好。3. 适用场景频繁调用的纯函数输入固定则输出固定数据库/Redis/API 等外部资源的重复查询复杂计算如数据统计、机器学习模型推理Web 服务的接口响应如接口返回的静态数据。二、Python 缓存的常用实现方式1. 方式1手动实现缓存字典最简单的缓存方式用 Python 字典存储键值对适合小型脚本/简单场景。示例缓存斐波那契数列计算避免重复递归12345678910111213141516# 手动缓存字典fib_cache{}deffibonacci(n):ifninfib_cache:# 命中缓存直接返回returnfib_cache[n]ifn 1:resultnelse:resultfibonacci(n-1)fibonacci(n-2)# 未命中计算后存入缓存fib_cache[n]resultreturnresult# 测试首次计算n30耗时后续直接取缓存print(fibonacci(30))# 首次计算存入缓存print(fibonacci(30))# 命中缓存瞬间返回优缺点优点极简、无依赖、灵活缺点无过期时间、线程不安全、内存占用无限制易内存泄漏、程序重启后缓存丢失。2. 方式2functools.lru_cache装饰器Python 内置Python 标准库functools提供的「最近最少使用LRU」缓存装饰器专为函数缓存设计自动管理缓存生命周期。基础用法缓存函数返回值12345678910111213141516171819fromfunctoolsimportlru_cache# lru_cache 装饰器缓存函数调用结果# maxsize缓存最大条目数None 表示无限制typedTrue 区分不同类型参数如 1 和 1.0lru_cache(maxsizeNone, typedFalse)defcalculate_square(x):print(f计算 {x} 的平方未命中缓存)returnx*x# 测试print(calculate_square(5))# 未命中执行函数并缓存print(calculate_square(5))# 命中缓存直接返回print(calculate_square(10))# 未命中执行并缓存# 查看缓存信息print(calculate_square.cache_info())# CacheInfo(hits1, misses2, maxsizeNone, currsize2)# 清空缓存calculate_square.cache_clear()进阶缓存带参数的数据库查询模拟12345678910111213141516fromfunctoolsimportlru_cache# 模拟数据库查询高耗时操作defquery_db(user_id):print(f查询数据库user_id{user_id})return{id: user_id,name: fUser{user_id},age:20user_id}# 缓存查询结果注意装饰器仅缓存可哈希参数列表/字典需转为元组/冻结集合lru_cache(maxsize100)defget_user(user_id):returnquery_db(user_id)# 测试print(get_user(1))# 未命中查询数据库print(get_user(1))# 命中缓存直接返回print(get_user(2))# 未命中查询数据库优缺点优点内置无需安装、自动管理缓存LRU 淘汰策略、支持缓存清空/信息查看缺点无过期时间、仅支持函数缓存、程序重启后缓存丢失、不支持分布式仅进程内。3. 方式3第三方库cachetools—— 支持更多缓存策略cachetools是 Python 第三方缓存库扩展了lru_cache的能力支持 TTL过期时间、LFU最少使用、FIFO先进先出等策略。步骤1安装1pipinstallcachetools步骤2实战带过期时间的缓存12345678910111213141516fromcachetoolsimportTTLCache, cached# 定义缓存规则最大容量100过期时间10秒TTLcacheTTLCache(maxsize100, ttl10)# 装饰器绑定缓存规则cached(cache)defget_weather(city):# 模拟调用天气API高耗时print(f调用天气API{city})return{city: city,temperature:25,time:2025-11-25}# 测试print(get_weather(北京))# 未命中调用APIprint(get_weather(北京))# 命中缓存10秒内# 10秒后再次调用缓存过期重新调用API支持的缓存策略策略说明适用场景TTLCache带过期时间的LRU需定期更新数据如天气LRUCache最近最少使用淘汰通用场景LFUCache最少使用淘汰访问频率不均的场景FIFOCache先进先出淘汰顺序访问的场景4. 方式4分布式缓存Redis—— 跨进程/跨机器共享以上方式均为「进程内缓存」仅当前程序可用若需多进程/多机器共享缓存需用 Redis高性能键值数据库。步骤1安装依赖12# 安装redis驱动pipinstallredis步骤2启动Redis本地/远程本地安装测试可用redis-cli ping→ 返回PONG。步骤3Python 操作 Redis 缓存1234567891011121314151617181920212223242526272829303132333435363738394041importredisimporttime# 连接Redis本地默认端口6379无密码rredis.Redis(hostlocalhost,port6379,password,# 若有密码请填写db0,# 选择数据库0decode_responsesTrue# 自动将字节转为字符串)# 封装缓存函数defget_data_from_cache(key, ttl60):从Redis获取缓存无则返回Nonereturnr.get(key)defset_data_to_cache(key, value, ttl60):存入Redis缓存设置过期时间秒r.setex(key, ttl, value)# 模拟业务函数查询用户信息defget_user_info(user_id):# 先查缓存cache_keyfuser:{user_id}cache_dataget_data_from_cache(cache_key)ifcache_data:print(f命中缓存{cache_key})returncache_data# 缓存未命中查询数据库模拟print(f查询数据库{cache_key})db_datafUser {user_id} Info# 存入缓存过期时间60秒set_data_to_cache(cache_key, db_data, ttl60)returndb_data# 测试print(get_user_info(1001))# 未命中查数据库并缓存print(get_user_info(1001))# 命中缓存time.sleep(61)# 等待缓存过期print(get_user_info(1001))# 缓存过期重新查询优缺点优点分布式共享、支持过期时间、持久化、高可用缺点需部署Redis服务、有网络开销、增加系统复杂度。三、缓存的最佳实践1. 选择合适的缓存粒度细粒度缓存单个数据如单个用户信息命中率高失效影响小粗粒度缓存聚合数据如所有用户列表命中率低失效影响大。2. 设置合理的过期时间静态数据如省份列表过期时间设为几小时/几天动态数据如用户余额过期时间设为几秒/几分钟实时性要求高的数据如秒杀库存尽量不缓存或缓存时间极短。3. 避免缓存穿透问题查询不存在的数据如 user_id-1缓存永远不命中导致每次都查数据库压垮数据库。解决方案缓存空值如r.setex(user:-1, 60, null)并设置短过期时间。4. 避免缓存雪崩问题大量缓存同时过期导致大量请求直接打向数据库。解决方案过期时间加随机值如ttl60 random.randint(0, 10)分布式缓存集群如Redis集群数据库加限流/熔断如ratelimit库。5. 缓存更新策略写穿Write-Through更新数据库后立即更新缓存写回Write-Back先更新缓存异步更新数据库适合高并发写失效优先更新数据库后删除缓存下次查询时重新加载最简单。四、缓存库选型建议场景推荐方案简单函数缓存单进程functools.lru_cache带过期时间的函数缓存cachetools.TTLCache分布式/跨进程缓存Redis redis 库Web 框架集成如Flaskflask-caching封装Redis/内存高性能本地缓存pylibmc基于memcached五、总结Python 缓存入门的核心是优先用内置工具lru_cache解决简单场景需过期时间用cachetools分布式场景用 Redis设计缓存时必须考虑「过期时间」「失效策略」「命中率」避免缓存穿透/雪崩。缓存是性能优化的「第一选择」但不要过度设计——先通过性能测试找到瓶颈再针对性加缓存而非盲目为所有函数加缓存。