用dict+时间戳实现带过期的内存缓存类，支持set(key,value,ttl)和get(key)，读取时自动清理过期项；多线程下加threading.Lock保障安全；纯计算场景可直接用@lru_cache；需持久化可序列化到JSON文件。
用 Python 实现一个简单缓存系统，核心是控制数据的存储、读取和过期逻辑。不需要引入复杂框架，标准库就能搞定，适合轻量场景（比如配置缓存、API 响应暂存、计算结果复用）。
用 dict + 时间戳 实现带过期的内存缓存
最简方案：用字典存键值对，每个值附带一个过期时间戳。读取时检查是否过期，过期则删除并返回 None。
- 写入时用
time.time()计算绝对过期时间（如expire_at = time.time() + 60表示 60 秒后过期） - 读取前先判断
expire_at <= time.time()，成立则 pop 掉该键，避免脏读 - 可封装成类，支持
set(key, value, ttl=60)和get(key)方法
利用 functools.lru_cache 快速缓存函数结果
如果目标只是避免重复执行耗时函数，Python 自带的 @lru_cache 是最省事的选择。
- 加装饰器即可，例如
@lru_cache(maxsize=128) - 支持带参数的函数，自动按参数组合缓存结果
- 注意：不支持过期，也不支持清除指定 key；适合纯计算、参数稳定、无需时效控制的场景
- 需要手动清空可用
func.cache_clear()
加锁防止多线程下的并发写冲突
在多线程环境（如 Flask/FastAPI 启动多 worker）中，直接操作全局 dict 可能出错。简单加锁即可保障安全。
立即学习“Python免费学习笔记（深入）”；
- 用
threading.Lock()包裹 set/get 的关键段 - 不必锁整个方法，只锁字典读写部分（如
self._cache[key] = ...或key in self._cache） - 若需进程间共享，就得换方案（如 Redis、文件或 multiprocessing.Manager.dict）
扩展思路：序列化 + 持久化到文件（轻量持久缓存）
想重启后缓存不丢？可以定期把字典 dump 到 JSON 或 pickle 文件。
- 初始化时尝试 load 已有文件，跳过过期项
- 每次 set 后触发一次 save（或异步延迟保存，避免频繁 IO）
- 注意 pickle 有安全风险，生产环境建议用 JSON（仅支持基础类型）或 msgpack
- 不适合大数据量——文件读写会成为瓶颈
不复杂但容易忽略：缓存本质是用空间换时间，务必评估命中率和内存占用。小项目用 dict 足够，有并发或持久需求再逐步加锁或换存储。
