一日一技：带过期时间的缓存、全文搜索、频率限制怎么做？

在以前的文章里面，我给大家介绍了使用Python自带的LRU缓存实现带有过期时间的缓存：一日一技：实现有过期时间的LRU缓存。也讲过倒排索引：使用倒排索引极速提高字符串搜索效率。但这些代码对初学者来说比较难，写起来可能会出错。

实际上，这些功能其实都可以使用Redis来实现，而且每个功能只需要1分钟就能做出来。全文搜索功能在搜索英文的时候，甚至可以智能识别拼写错误的问题。

要实现这些功能，只需要做两件事：

安装Redis

Python安装第三方库：walrus

安装完成以后，我们来看看它有多简单：

带过期时间的缓存装饰器

我们想实现一个装饰器，它装饰一个函数。让我在1分钟内多次访问函数的时候，使用缓存的数据；超过1分钟以后才重新执行函数的内部代码：

import time import datetime from walrus import Database db = Database() cache = db.cache() @cache.cached(timeout=60) def test(): print('函数真正运行起来') now = datetime.datetime.now() return now now = test() print('函数返回的数据是：', now) time.sleep(10) # 等待10秒，此时会使用缓存 print('函数返回的数据是：', test()) time.sleep(5) # 等待5秒，此时依然使用缓存 print('函数返回的数据是：', test()) time.sleep(50) # 让时间超过缓存的时间 print('函数返回的数据是：', test())

运行效果如下图所示：

全文搜索

我们再来看看全文搜索功能，实现起来也很简单：

from walrus import Database db = Database() search = db.Index('xxx') # 这个名字随便取 poem1 = 'Early in the day it was whispered that we should sail in a boat, only thou and I, and never a soul in the world would know of this our pilgrimage to no country and to no end.' poem2 = 'Had I the heavens’ embroidered cloths,Enwrought with golden and silver light' poem3 = 'to be or not to be, that is a question.' search.add('docid1', poem1) # 第一个参数不能重复 search.add('docid2', poem2) search.add('docid3', poem3) for doc in search.search('end'): print(doc['content'])

运行效果如下图所示：

如果你想让他兼容拼写错误，那么可以把search = db.Index('xxx')改成search = db.Index('xxx’, metaphone=True)，运行效果如下图所示：

不过遗憾的是，这个全文搜索功能只支持英文。

频率限制

我们有时候要限制调用某个函数的频率，或者网站的某个接口要限制IP的访问频率。这个时候，使用walrus也可以轻松实现：

import time from walrus import Database db = Database() rate = db.rate_limit('xxx', limit=5, per=60) # 每分钟只能调用5次 for _ in range(35): if rate.limit('xxx'): print('访问频率太高！') else: print('还没有触发访问频率限制') time.sleep(2)

运行效果如下图所示：

其中参数limit表示能出现多少次，per表示在多长时间内。

rate.limit只要传入相同的参数，那么就会开始检查这个参数在设定的时间内出现的频率。

你可能觉得这个例子并不能说明什么问题，那么我们跟FastAPI结合一下，用来限制IP访问接口的频率。编写如下代码：

from walrus import Database, RateLimitException from fastapi import FastAPI, Request from fastapi.responses import JSONResponse db = Database() rate = db.rate_limit('xxx', limit=5, per=60) # 每分钟只能调用5次 app = FastAPI() @app.exception_handler(RateLimitException) def parse_rate_litmit_exception(request: Request, exc: RateLimitException): msg = {'success': False, 'msg': f'请喝杯茶，休息一下，你的ip: {request.client.host}访问太快了！'} return JSONResponse(status_code=429, content=msg) @app.get('/') def index(): return {'success': True} @app.get('/important_api') @rate.rate_limited(lambda request: request.client.host) def query_important_data(request: Request): data = '重要数据' return {'success': True, 'data': data}

上面代码定义了一个全局的异常拦截器：

@app.exception_handler(RateLimitException) def parse_rate_litmit_exception(request: Request, exc: RateLimitException): msg = {'success': False, 'msg': f'请喝杯茶，休息一下，你的ip: {request.client.host}访问太快了！'} return JSONResponse(status_code=429, content=msg)

在整个代码的任何地方抛出了RateLimitException异常，就会进入这里的逻辑中。

使用装饰器@rate.rate_limited装饰一个路由函数，并且这个装饰器要更靠近函数。路由函数接收什么参数，它就接收什么参数。在上面的例子中，我们只接收了request参数，用于获取访问者的IP。发现这个IP的访问频率超过了限制，就抛出一个RateLimitException。于是前面定义好的全局拦截器就会拦截RateLimitException异常，拦截到以后返回我们定义好的报错信息。

在频率范围内访问页面，返回正常的JSON数据：

频率超过设定的值以后，访问页面就会报错，如下图所示：

总结

walrus对redis-py进行了很好的二次封装，用起来非常顺手。除了上面我提到的三个功能外，它还可以实现几行代码生成布隆过滤器，实现自动补全功能，实现简易图数据库等等。大家可以访问它的官方文档了解详细使用说明[1]。

参考文献

Python Redis 爬虫

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。