用 dict + time.time() 手动管理过期时间最直接：缓存项为 {key: (value, expire_at)}，写入存绝对过期时间戳，读取时检查并清理过期项，注意时钟回拨可用 time.monotonic() 缓解。
用 dict + time.time() 手动管理过期时间最直接
Python 标准库没有开箱即用的带 TTL 的内存缓存，但自己实现一个轻量级版本并不复杂。核心思路是：缓存项存为 {key: (value, expire_at)}，每次读取前检查 expire_at 是否已过期。
注意点：
- 写入时必须计算绝对过期时间戳（
time.time() + ttl_seconds），别存相对秒数，否则读取时无法准确比对 - 读取时不做自动清理，只返回
None或抛异常，避免隐式删除引发竞态（比如多线程中刚判断未过期、下一刻就过期） - 如果需要“访问即刷新 TTL”，得额外在
get里更新expire_at，但这会增加写操作和锁开销
import time
<p>class TTLCache:
def <strong>init</strong>(self):
self._cache = {}</p><pre class="brush:php;toolbar:false;">def set(self, key, value, ttl):
self._cache[key] = (value, time.time() + ttl)
def get(self, key):
item = self._cache.get(key)
if item is None:
return None
value, expire_at = item
if time.time() > expire_at:
del self._cache[key] # 过期则主动删，避免堆积
return None
return value
为什么不用 functools.lru_cache 加 TTL？
lru_cache 本身不支持 TTL，强行加时间检查会破坏其内部的哈希和调用计数逻辑，且无法在缓存命中时动态判断是否过期——它只认参数哈希，不关心值状态。
常见错误写法：
@lru_cache(maxsize=128)
def expensive_func(x):
result = compute(x)
# ❌ 这里加 time.sleep(1) 或检查时间毫无意义
return result
真正可行的替代是封装一层：把 lru_cache 用在「不带 TTL 的底层计算函数」上，再在外面套一层带 TTL 的 dict 缓存。但这样两层缓存反而增加复杂度，不如直接用上面的手动方案。
并发场景下必须加锁，但别锁整个 set/get
多线程读写同一个 dict 会引发 KeyError 或脏读。但给每个方法加 threading.Lock 全局锁，会严重拖慢读性能。
更合理的做法：
- 读操作（
get）先无锁查，仅在发现过期项时才尝试加锁删除（用self._lock.acquire(blocking=False)避免阻塞） - 写操作（
set）必须加锁，因为涉及赋值和可能的覆盖 - 如果用在 asyncio 环境，换用
asyncio.Lock，且所有操作需改为await模式
别忽略时钟回拨导致的误判过期
系统时间被手动或 NTP 同步回调（比如从 10:05 回到 10:00），会导致大量缓存项被提前判定为过期。这不是代码 bug，而是现实约束。
缓解方式有限，但可考虑：
- 改用单调时钟：
time.monotonic()替代time.time()，它不受系统时间调整影响，但无法跨进程/重启持久化（适合单次运行生命周期） - 记录上次写入时间戳的差值，而非绝对时间；不过这要求所有节点时钟基本一致，且仍需初始同步
- 接受小概率误判，在业务层做兜底（如缓存未命中时降级查 DB）
真正上线时，TTL 缓存的可靠性往往取决于你对时钟漂移的容忍程度，而不是代码有没有写错 > 还是 >=。
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！
