lru_cache 装饰器的缓存清除机制核心围绕 LRU（Least Recently Used，最近最少使用）算法 展开，仅在特定条件下触发清除，且分为「被动淘汰」「主动清除」「隐式清除」三类场景。以下是详细拆解：
一、核心：LRU 淘汰算法（被动清除的核心逻辑）
lru_cache 的核心目标是：当缓存条目数量达到 maxsize 上限时，自动淘汰「最近最少被访问」的缓存条目，从而控制内存占用。
LRU 算法的工作原理
- 缓存的存储结构：
lru_cache内部通过「哈希表 + 双向链表」（Python 3.3+ 后优化为更高效的_OrderedDict/_LRUCache结构）维护缓存：- 哈希表：快速映射「函数参数→返回值」，保证 O(1) 时间复杂度的查询；
- 双向链表：记录缓存条目的「访问时间顺序」，链表头部是「最近使用（MRU）」的条目，尾部是「最近最少使用（LRU）」的条目。
- 访问更新规则：
- 当函数调用命中缓存（参数已存在）：该条目会被移到链表头部（标记为“最近使用”）；
- 当函数调用未命中缓存（参数不存在）：新条目会被添加到链表头部。
- 淘汰触发规则：
当新条目添加后，缓存总数超过maxsize上限时，直接删除链表尾部的条目（即“最近最少使用”的缓存）。
二、触发缓存清除的三类场景
1. 被动清除：达到 maxsize 上限时的 LRU 淘汰（核心场景）
这是 lru_cache 最核心的自动清除机制，仅在 maxsize 为正整数时生效。
示例：直观展示 LRU 淘汰过程
from functools import lru_cache# 设置缓存上限为 2（maxsize=2）
@lru_cache(maxsize=2)
def func(x):print(f"执行函数：x={x}")return x# 第一次调用：x=1，未命中，添加到缓存（缓存：{1:1}）
func(1) # 输出：执行函数：x=1
# 第二次调用：x=2，未命中，添加到缓存（缓存：{1:1, 2:2}，已达maxsize）
func(2) # 输出：执行函数：x=2
# 第三次调用：x=1，命中，将1移到“最近使用”端（缓存顺序：[1,2]）
func(1) # 无输出（命中缓存）
# 第四次调用：x=3，未命中，添加后缓存超上限（3条），淘汰尾部的2（最近最少使用）
func(3) # 输出：执行函数：x=3（缓存变为：{1:1, 3:3}）
# 第五次调用：x=2，未命中（已被淘汰），需重新执行
func(2) # 输出：执行函数：x=2（缓存变为：{3:3, 2:2}，淘汰1）# 查看缓存信息：hits=1（x=1命中），misses=4（x=1/2/3/2未命中），currsize=2
print(func.cache_info())
2. 主动清除：手动调用 cache_clear() 清空所有缓存
lru_cache 为装饰后的函数提供了 cache_clear() 方法，可强制清空所有缓存条目（无论是否达到 maxsize），是最常用的手动清除方式。
示例：主动清空缓存
from functools import lru_cache@lru_cache(maxsize=5)
def add(a, b):return a + b# 调用函数，填充缓存
add(1, 2)
add(3, 4)
print(add.cache_info()) # CacheInfo(hits=0, misses=2, maxsize=5, currsize=2)# 手动清空缓存
add.cache_clear()
print(add.cache_info()) # CacheInfo(hits=0, misses=0, maxsize=5, currsize=0)
3. 隐式清除：进程/程序结束（缓存丢失）
lru_cache 的缓存是进程内的内存缓存，存储在 Python 解释器的内存中：
- 当程序退出、进程终止（如重启脚本、关闭进程），缓存会被操作系统回收，全部丢失；
- 多进程场景下，每个进程的缓存相互独立，一个进程的缓存不会影响另一个进程。
三、maxsize 参数对清除机制的关键影响
maxsize 是控制 lru_cache 清除机制的核心参数，不同取值对应完全不同的行为：
| maxsize 取值 | 清除机制行为 |
|---|---|
| None | 禁用 LRU 淘汰，缓存无上限，不会自动清除（除非手动 cache_clear() 或进程结束）；风险：缓存可能无限增长，导致内存泄漏。 |
| 正整数（如 128） | 启用 LRU 淘汰，缓存条目达到该数值时，自动淘汰“最近最少使用”的条目。 |
| 0 | 完全禁用缓存（相当于没加装饰器），每次调用函数都会重新执行，无缓存存储。 |
四、补充：易混淆的“非清除”场景
以下情况并非缓存清除，而是缓存未命中，需注意区分：
- 参数类型/值变化：如
func(1)（int）和func(1.0)（float），当typed=False时视为同一参数（命中），typed=True时视为不同参数（未命中，新增条目）； - 不可哈希参数：列表、字典等不可哈希参数无法被缓存，每次调用都会执行函数（并非清除，而是从未存储）；
- 函数逻辑修改：修改函数代码后，缓存不会自动更新（缓存的是旧代码的返回值），需手动
cache_clear()。
五、总结
lru_cache 的缓存清除机制可归纳为：
- 自动清除：仅在
maxsize为正整数且缓存满时，按 LRU 算法淘汰“最近最少使用”的条目； - 手动清除：调用
cache_clear()清空所有缓存； - 隐式清除：程序/进程结束后，内存缓存被回收；
- 无「过期自动清除」机制（如需过期，需用
cachetools.TTLCache等扩展库）。
理解这一机制后，可通过合理设置 maxsize（如根据参数数量设置）、结合 cache_clear() 手动清理，避免内存占用过高，同时保证缓存命中率。
