functools.lru_cache不够用是因为它不支持手动控制缓存键生命周期、非哈希类型参数及命中/淘汰时的自定义逻辑；OrderedDict可精确实现LRU语义，提供move_to_end和popitem(last=False)等关键操作。
为什么直接用 functools.lru_cache 不够用？
当你需要手动控制缓存键的生命周期、支持非哈希类型参数、或想在缓存命中/淘汰时插入自定义逻辑（比如打日志、触发回调），functools.lru_cache 就不够灵活了。它底层虽也用类似有序结构，但封装过深，不暴露内部状态。
这时候用 collections.OrderedDict 自建更可控——它天然维护插入/访问顺序，move_to_end(key, last=True) 能把指定 key 移到末尾，popitem(last=False) 能按 FIFO 顺序弹出最老项，正好契合 LRU 的“最近最少使用”语义。
手写 LRU 类的关键三步
核心是模拟“访问即更新位置、容量超限即删头”的行为。注意不是所有操作都需重排，只在 get 和 set 时触发顺序调整：
-
get 时：若 key 存在，调用
move_to_end(key)把它挪到末尾；否则返回默认值或抛异常 -
set 时：先检查是否已存在——若存在，同样
move_to_end(key)；若不存在且 size 已满，先popitem(last=False)删最老项，再插入新键值对 -
size 控制：用
len(ordered_dict)获取当前大小，和预设的maxsize比较；maxsize=None表示不限容，此时跳过淘汰逻辑
示例片段：
from collections import OrderedDict
<p>class LRUCache:
def <strong>init</strong>(self, maxsize=128):
self.maxsize = maxsize
self.cache = OrderedDict()</p><pre class="brush:php;toolbar:false;">def get(self, key):
if key not in self.cache:
return None
self.cache.move_to_end(key) # 提升为最近使用
return self.cache[key]
def put(self, key, value):
if key in self.cache:
self.cache.move_to_end(key)
elif self.maxsize is not None and len(self.cache) >= self.maxsize:
self.cache.popitem(last=False) # 删除最久未用
self.cache[key] = value
OrderedDict 在 Python 3.7+ 中还有必要吗？
Python 3.7+ 的普通 dict 也保证插入顺序，但它不提供 move_to_end 和 popitem(last=False) 这两个关键操作。你无法高效地把某个已有 key “提到末尾”，也不能 O(1) 时间删掉最老的那一个——只能遍历 keys() 找第一个，时间复杂度退化为 O(n)。
所以即使版本够新，只要你要做真正的 LRU（而非简单 FIFO 或靠重建 dict 模拟），OrderedDict 仍是不可替代的。别被“dict 有序”误导，顺序保持 ≠ 顺序可操作。
容易踩的坑：线程安全与 key 的可哈希性
OrderedDict 本身不是线程安全的。如果多个线程并发调用 get/put，可能因中间状态不一致导致 KeyError 或漏删项。真要多线程用，得加 threading.Lock 包裹所有读写操作。
另外，OrderedDict 的 key 仍需满足可哈希（hashable）要求——列表、字典等不可变类型不能当 key。如果你的缓存 key 是动态构造的复杂对象，得提前转成 tuple 或 frozenset，或者自己实现 __hash__ 和 __eq__。
最后提醒一句：别在 __init__ 里传 maxsize=0 以为能禁用缓存——这会导致每次 put 都立即淘汰，实际变成空缓存，但代码逻辑依然执行，容易掩盖问题。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
