Python 如何优雅实现带过期时间的 LRU 缓存（不依赖第三方）

functools.lru_cache不支持TTL机制，因其设计为纯LRU淘汰且无过期时间参数；需手写TTLCache类，用OrderedDict存(value, expire_time)并检查时间戳，注意LRU顺序更新、线程安全及精度权衡。

为什么 functools.lru_cache 不能直接加过期时间

functools.lru_cache 是 Python 内置的 LRU 缓存，但它不支持 TTL（Time-To-Live）机制。缓存项一旦写入，就永远有效，直到被 LRU 淘汰或手动清除。你无法通过参数设置“5 秒后自动失效”。强行在函数内检查时间戳，会破坏装饰器的纯封装性，也容易漏掉并发访问下的竞态问题。

手写带 TTL 的 LRU 缓存：用 OrderedDict + 时间戳

核心思路是：用 collections.OrderedDict 维护访问顺序，每个缓存值存储为 (value, expire_time) 元组；每次 get 前检查 expire_time 是否已过期，过期则删除并返回未命中。

关键实操点：

• 用 time.time()（非 time.monotonic()）便于调试，但注意系统时间回拨会导致误删；生产环境可换用 time.monotonic() + 初始偏移
• OrderedDict.move_to_end(key) 必须在每次 get 成功后调用，否则 LRU 顺序错乱
• 写入时若已存在 key，需先 pop 再重插，避免残留旧过期时间
• 缓存大小限制（maxsize）和 TTL 要正交处理：淘汰只看数量，过期只看时间

示例片段（简化版）：

from collections import OrderedDict
import time
class TTLCache:
def init(self, maxsize=128, ttl=60):
self.cache = OrderedDict()
self.maxsize = maxsize
self.ttl = ttl
def get(self, key):
    if key not in self.cache:
        return None
    value, expire_at = self.cache[key]
    if time.time() > expire_at:
        self.cache.pop(key)
        return None
    self.cache.move_to_end(key)  # 更新 LRU 顺序
    return value

def put(self, key, value):
    if self.maxsize == 0:
        return
    if key in self.cache:
        self.cache.pop(key)
    elif len(self.cache) >= self.maxsize > 0:
        self.cache.popitem(last=False)  # 弹出最久未用
    self.cache[key] = (value, time.time() + self.ttl)

用装饰器包装成类似 lru_cache 的用法
要复刻 @lru_cache(ttl=30) 的体验，需支持带参装饰器、绑定到函数对象的独立缓存实例，并兼容 cache_clear() 等方法。
注意点：

装饰器工厂函数必须返回真正的装饰器，不能直接返回缓存实例
每个被装饰函数应持有自己的 TTLCache 实例，避免跨函数污染
把 cache_clear、cache_info 等方法挂到 wrapper 上，否则用户调用 func.cache_clear() 会报错
不支持 typed=True（即不同类型的相同值视为不同 key），除非手动序列化类型信息

线程安全与实际部署的坑

上面的 TTLCache 类默认不是线程安全的：get 和 put 中的多步操作（查、删、改、move）可能被并发打断。简单加 threading.Lock 会严重拖慢性能，尤其读多写少场景。
更实用的做法：

读操作（get）不加锁，允许短暂返回过期值（业务能容忍几毫秒偏差）
写操作（put）加锁，保证 pop 和 set 原子性
如果必须强一致性，用 threading.RLock 并把整个 get 流程锁住——但请确认你的 QPS 是否真的需要
进程间不共享缓存；多进程部署时，每个进程有独立缓存副本，TTL 各自计算

真正难的不是实现，而是判断“过期”是否必须精确到毫秒级，以及能否接受缓存雪崩时的瞬时穿透。这些权衡点，比代码本身更影响最终效果。



# 自己的 
# python 
# 但它 
# 绑定 
# 弹出 
# 因其 
# app 
# 不支持 
# 并把 
# 并发 
# 对象 
# 报错 
# 为什么 
# 线程 
# red 
# 封装 
# 封装性 
# 加锁 
# elif 
# 只看 
# 并发访问 
 




相关栏目：
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        AI推广<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        SEO优化<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        技术百科<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        谷歌推广<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        百度推广<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        网络营销<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        案例网站<？ｍｕｍａ echo $count; ?>
    】
    <？ｍｕｍａ
    $count = M('archives')->where(['typeid'=>$field['id']])->count();
    ?>
    【
        精选文章<？ｍｕｍａ echo $count; ?>
    】