当前位置：首页 > 文章列表 > 文章 > python教程 > Python 缓存可变值

Python 缓存可变值

2025-01-27 12:45:47 0浏览收藏

本篇文章主要是结合我之前面试的各种经历和实战开发中遇到的问题解决经验整理的，希望这篇《Python 缓存可变值》对你有很大帮助！欢迎收藏，分享给更多的需要的朋友学习~

Python缓存陷阱：可变对象与`lru_cache`

为了提升处理速度，缓存机制被广泛应用于各种系统，从CPU级别到数据库前端。缓存失效策略是缓存系统中一个复杂且重要的议题。本文将探讨一个看似简单却困扰开发者1.5年的缓存问题，以及如何通过简单的策略有效规避。

Python 缓存可变值

背景：本文作者在构建一个基于sklearn的自定义ML框架时，为了加速频繁访问的数据源，引入了缓存层。最初使用lru_cache，但很快发现需要持久化缓存，因为大量数据是静态的且反复访问。考虑到成本和性能，最终选择了diskcache（一个基于SQLite的Python模块）。该框架在32个进程下，处理高达500MB的Pandas DataFrame时表现良好。 diskcache作为持久层，lru_cache作为内存层，共同构成了高效的缓存机制。

问题：在1.5年内，该框架主要用于训练大量小型模型。缓存用于存储Pandas DataFrame和其他只读对象。随着用户数量增加，一些用户开始报告随机错误结果。问题难以复现，直到发现问题的根源：部分用户出于习惯，直接修改了从缓存中获取的DataFrame对象（inplace=True）。这不仅改变了当前结果，还影响了缓存中的数据。

问题剖析：lru_cache返回的是缓存对象的引用，修改缓存对象会直接改变缓存中的数据。以下代码模拟了该问题：

from functools import lru_cache
import time
import typing as t
from copy import deepcopy

@lru_cache
def expensive_func(keys: str, vals: t.any) -> dict:
    time.sleep(3)
    return dict(zip(keys, vals))


def main():
    e1 = expensive_func(('a', 'b', 'c'), (1, 2, 3))
    print(e1)

    e2 = expensive_func(('a', 'b', 'c'), (1, 2, 3))
    print(e2)

    e2['d'] = "amazing" 

    print(e2)

    e3 = expensive_func(('a', 'b', 'c'), (1, 2, 3))
    print(e3) 


if __name__ == "__main__":
    main()

运行上述代码，你会发现修改e2后，e3也包含了新增的键值对。

解决方案：由于无法控制下游用户的使用方式，作者采用了简单的解决方案：在返回缓存对象之前，创建其副本。这样，用户可以随意修改副本，而不会影响缓存中的原始数据。虽然这会导致数据冗余，但对于该应用场景来说，这是可接受的代价。

架构思考：作者总结道，没有绝对好坏的架构，只有权衡利弊的选择。架构设计是关于在已知条件下，做出最优决策，最小化潜在风险。

改进方案：作者通过一个自定义装饰器，包装lru_cache，在每次访问时返回缓存对象的深度拷贝：

from functools import lru_cache, wraps
from copy import deepcopy

def custom_cache(func):
    cached_func = lru_cache(func)  
    @wraps(func)
    def _wrapper(*args, **kwargs):
        return deepcopy(cached_func(*args, **kwargs))  
    return _wrapper

经验教训：