diskcache是Python生态中唯一开箱即用、线程安全、带过期、可持久化、支持大小限制且不依赖外部服务的本地缓存方案；它基于SQLite+文件混合存储，提供字典式接口，支持自动淘汰、原子写入和主动/惰性过期清理。
用 diskcache，别自己封装字典 + 时间戳逻辑。 它是目前 Python 生态中唯一开箱即用、线程安全、带过期、可持久化、支持大小限制且不依赖外部服务的本地缓存方案。自研方案在并发写入、磁盘清理、异常恢复等环节极易出错。
为什么不用 shelve 或手动 pickle + os.path？
这些方案看似“本地”“持久”，但实际踩坑密集：
-
shelve不支持并发读写（即使加锁也难保数据一致），多进程下容易损坏数据库文件 - 手动序列化 + 文件管理无法自动处理过期项，得自己扫描、删除、压缩，IO 开销大且易漏删
- 没有内置淘汰策略，
maxsize需自行维护，缓存膨胀后内存和磁盘双爆 - 不支持原子性写入，程序崩溃时可能留下半写入的脏文件
diskcache.Cache 的关键参数与典型用法
它把缓存抽象为一个类似字典的接口，但底层是 SQLite + 文件混合存储，兼顾速度与可靠性：
-
directory：指定缓存根目录（必须存在），建议用绝对路径，如"/tmp/myapp_cache" -
size_limit：总磁盘用量上限（字节），超限时自动触发 LRU 清理；设为2**30（1GB）较常见 -
eviction_policy：默认"least-recently-stored"，也可选"least-recently-used"（需启用memoize装饰器才记录访问时间） -
timeout：SQLite 写锁等待超时（秒），高并发场景建议设为5以上，避免死等
示例：
from diskcache import Cache
<p>cache = Cache(
directory='/var/cache/myapp',
size_limit=2**30,
timeout=5
)</p><p>cache.set('user:1001', {'name': 'Alice', 'role': 'admin'}, expire=3600)
data = cache.get('user:1001') # 命中返回值，未命中返回 None
</p>
如何避免 diskcache 在高频小写入场景变慢？
SQLite 的 WAL 模式虽已启用，但频繁 set() 仍会引发大量小事务。优化要点：
- 批量操作优先用
cache.update({k1: v1, k2: v2})，比循环set快 3–5 倍 - 对只读为主的场景，可关闭写前日志：
cache = Cache(..., disk_min_file_size=0)（慎用，牺牲崩溃安全性） - 避免缓存超大对象（>1MB），否则序列化/反序列化和磁盘 IO 成瓶颈；大文件建议存路径，缓存元数据
- 不要在循环内反复创建
Cache实例——它是线程安全的，应全局复用
真正难处理的不是“怎么存”，而是“什么时候删干净”：diskcache 的 expire 是惰性检查（读时触发），若某 key 长期不被访问，过期项会一直占磁盘。生产环境需定期调用 cache.expire() 主动清理，比如在应用启动或低峰期 cron 执行。
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！
