操作系统 ：CentOS 7.6.1810_x64
Python 版本 : 3.9.12
一、背景描述
使用python开发过程中，会遇到需要使用缓存加速应用的情况，比如下面这些场景：
-
数据转换加速
字符串时间转换成int时间戳；
字符串时间转换成datetime类型；
...
-
数据解析加速
bytes数据转换为int（数据包解析场景的端口、序列号等）;
bytes数据转换为string（数据包解析场景的ip地址等）；
...
本文提供两种实现方式来加速应用，这里记录下，希望对你有帮助。
二、具体实现
1、使用python自带的OrderedDict实现LRU
实现思路：
1）使用OrderedDict作为缓存，并设置大小；
2）第一次解析时，将解析结果加入缓存；
3）缓存元素数量超过设定数量，执行pop操作；
示例代码如下 ：
from collections import OrderedDict class LRU: def __init__(self, func, maxsize=128): self.func = func self.maxsize = maxsize self.cache = OrderedDict() def __call__(self, *args): if args in self.cache: value = self.cache[args] self.cache.move_to_end(args) return value value = self.func(*args) if len(self.cache) >= self.maxsize: self.cache.popitem(False) self.cache[args] = value return value
2、使用lru-dict库实现LRU
安装lru-dict库：
pip install lru-dict
示例代码：
from lru import LRU l = LRU(5) # Create an LRU container that can hold 5 items print l.peek_first_item(), l.peek_last_item() #return the MRU key and LRU key # Would print None None for i in range(5): l[i] = str(i) print l.items() # Prints items in MRU order # Would print [(4, '4'), (3, '3'), (2, '2'), (1, '1'), (0, '0')] print l.peek_first_item(), l.peek_last_item() #return the MRU key and LRU key # Would print (4, '4') (0, '0') l[5] = '5' # Inserting one more item should evict the old item print l.items() # Would print [(5, '5'), (4, '4'), (3, '3'), (2, '2'), (1, '1')]
由于lru-dict库是使用c实现的，使用源代码安装可能存在环境问题，可直接使用pypi上面提供的预编译whl文件：
说明：
1）源码包为 lru-dict-1.1.8.tar.gz；
2）本文使用的whl文件是 lru_dict-1.1.8-cp39-cp39-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl ；
三、运行效果
这里演示下两种实现方式的具体效果，并做下对比。
1、测试用例1（lru库实现）
测试代码：
运行效果：
运行时间：15.046 秒
2、测试用例2（ OrderedDict实现）
测试代码：
运行效果：
运行时间： 28.934秒
结论：
lru-dict库比较快。
说明：
1）使用OrderedDict实现LRU的优点在于不用安装额外的库；
2）lru-dict是使用c语言开发的第三方库，需要使用pip进行安装，性能比较好，但和平台相关性比较强；
四、资源下载
