Python的Flask速度慢？用缓存技术加速！-技术圈

在Web服务中，使用缓存是一种加速程序运行的重要技术。

这是因为，不同的存储介质，是有速度上很大的差异的，比如一个Web服务会使用典型的三级存储技术：

MySQL：底层数据存储，保证数据的准确一致性；
Redis：缓存第一层，分布式内存数据库，比MySQL快很多；
本地缓存：就是在Web服务本地内存中缓存，速度更快；

本文介绍Python程序怎样在本地内存缓存数据的方法，介绍两种方式：

方法1：使用Python自带的functools.lru_cache

但是functools.lru_cache不支持按时间的过期，比如5秒钟缓存生效重新拉取，因此进行如下的改造：

把这个代码放到一个文件里

from functools import lru_cache, wrapsfrom datetime import datetime, timedelta
def timed_lru_cache(seconds: int, maxsize: int = 128):    def wrapper_cache(func):        func = lru_cache(maxsize=maxsize)(func)        func.lifetime = timedelta(seconds=seconds)        func.expiration = datetime.utcnow() + func.lifetime
        @wraps(func)        def wrapped_func(*args, **kwargs):            if datetime.utcnow() >= func.expiration:                func.cache_clear()                func.expiration = datetime.utcnow() + func.lifetime
            return func(*args, **kwargs)
        return wrapped_func
    return wrapper_cache

使用起来很简单了：

@timed_lru_cache(10)def get_article_from_server(url):    print("Fetching article from server...")    response = requests.get(url)    return response.text

这样的话，每次调用这个函数，会先获取本地内存的数据，如果取不到或者10秒钟过期，才会取真正的请求外部数据。

方法2：使用开源模块cachetools

直接使用就可以，更加简单：

from cachetools import cached, LRUCache, TTLCache
# speed up calculating Fibonacci numbers with dynamic programming@cached(cache={})def fib(n):    return n if n < 2 else fib(n - 1) + fib(n - 2)
# cache least recently used Python Enhancement Proposals@cached(cache=LRUCache(maxsize=32))def get_pep(num):    url = 'http://www.python.org/dev/peps/pep-%04d/' % num    with urllib.request.urlopen(url) as s:        return s.read()
# cache weather data for no longer than ten minutes@cached(cache=TTLCache(maxsize=1024, ttl=600))def get_weather(place):    return owm.weather_at_place(place).get_weather()

这个模块的地址：https://github.com/tkem/cachetools

最后，欢迎关注我的全天视频系列（购买加VX保证答疑）