在没有实际访问的情况下知道是否访问了 python 缓存的属性

Question

有很多方法装饰器的例子可以将方法转换为缓存属性。但有时，我想检查缓存是否“活动”，这意味着该属性已被访问并且缓存已被填充。

例如，如果我使用缓存的rows 将 sql 表存储在rows 中，我想根据缓存计算我的表的长度，如果它已被填充，但通过如果没有，则单独调用 sql。如何检查rows是否已被访问而不触发其访问？

这是一个不错的装饰器，取自 David Beazley 的“Python Cookbook”）我正在使用它来满足我的缓存属性需求。我已对其进行了增强以启用我当前的 hack。

class lazyprop:
    def __init__(self, func):
        self.func = func

    def __get__(self, instance, cls):
        if instance is None:
            return self
        else:
            value = self.func(instance)
            setattr(instance, self.func.__name__, value)
            setattr(instance, self.func.__name__ + '__cache_active', True)  # my hack
            return value

使用示例：

>>> class Test:
...     def __init__(self, a):
...         self.a = a
...     @lazyprop
...     def len(self):
...         print('generating "len"')
...         return len(self.a)
>>> t = Test([0, 1, 2])
>>> # See what happens if I ask if there is a 'len' attribute:
>>> hasattr(t, 'len')
generating "len"
3
>>> t.len
5

所以hasattr 实际上触发了len 方法调用，所以我不能使用它。无论如何，我不想使用它，因为我不是要求存在属性（键/引用），而是要求存在（即事先计算）它的值。

鉴于标有“我的黑客”的行，我现在可以这样做：

def has_active_cache(instance, attr):
    return getattr(instance, attr + '__cache_active', False)

>>> t = Test([0, 1, 2])
>>> print("Accessed:", has_active_cache(t, 'len'))
Accessed: False
>>> t.len
generating "len"
3
>>> print("Accessed:", has_active_cache(t, 'len'))
Accessed: True

但我相信还有比这更优雅的解决方案。也许会与lazyprop 本身“耦合”...

Answer 1

仅供参考，属性缓存是 Python 3.8 标准库的一部分，通过 functools

https://docs.python.org/3/library/functools.html?highlight=s#functools.cached_property

使用这个装饰器，你可以直接访问你的类的__dict__属性来检查值是否被缓存。

使用文档中的示例...

import statistics
from functools import cached_property


class DataSet:
    def __init__(self, sequence_of_numbers):
        self._data = sequence_of_numbers

    @cached_property
    def stdev(self):
        return statistics.stdev(self._data)

    @cached_property
    def variance(self):
        return statistics.variance(self._data)

然后进行测试...

ds = DataSet(range(1, 20))
ds.stdev
5.627314338711377
ds.__dict__
{'_data': range(1, 20), 'stdev': 5.627314338711377}
ds.variance
31.666666666666668
ds.__dict__
{'_data': range(1, 20), 'stdev': 5.627314338711377, 'variance': 31.666666666666668}