Python + Memcached：在分布式应用程序中实现高效缓存

在开发Python程序时，实现缓存是重要的一环。缓存技术能够在很大程度上提升性能，从而避免数据的重复计算，或是数据库访问过慢的问题。

Python内置了实现缓存的技术，包括简单的字典和诸如functools.lru_cache之类更加完整的数据结构。后者可以利用“最近最少使用”算法限制缓存的大小，做到任意缓存。

然而，依照定义，这些数据结构仅限于Python进程内部使用。这可能对大规模分布式应用导致问题，因为当你的程序的多个副本在大规模平台上运行时，使用这种本地内存中的数据结构将不允许对所缓存的内容进行共享。

因此，如果你的系统是基于分布式网络的，就需要缓存也基于分布式网络。现如今大量的网络服务器提供了缓存能力–我们在how to use Redis for caching with Django （如何使用Redis实现Django缓存）一文中已经提到过。

在这篇教程中你将看到，memcached是实现分布式缓存的一个很好的选择。首先是对基本的memcached使用方法的简介，然后你会学习到一些高级方法，比如检查和设置（cache and set），以及使用后备缓存以避免传统的缓存性能问题。

如果你运行的是Linux，安装命令是 apt-get install memcached 或 yum install memcached 你既可以通过预构造的安装包安装，也可以从源文件安装

对于macOS，使用Homebrew安装是最简单的。只要有Homebrew包管理器，直接运行 brew install memcached

对于Windows, 你需要自行编译memcached，或者寻找预编译的版本

安装完毕后，运行memecached命令即可启动它：

$ memcached

在正式使用memcached的功能之前，你还需要安装一个memcached的客户端库。下面介绍安装的方法，以及基本的缓存访问操作。

即便你从未使用过memcached，也很容易理解。基本来说，memcached提供了一个超大的网络字典。这个字典的几个属性不同于经典的Python字典：

键和值都必须是bytes(字节)

到了过期时间后，键和值将被自动删除

因此，与memcached交互的两个基本操作是：set和get。正如你可能猜到了，他们分别表示给某个键赋值，和从某个键取值。

我个人偏爱的与memcached交互的Python库是 pymemcache，推荐使用。它用pip就可以安装：

$ pip install pymemcache

以下代码显示了如何连接memcached和如何在你的Python程序中将它用作网络分布式缓存：

memcached网络协议十分简单，其实现运行起来也非常快，使得它在数据存储上很管用。换作其他技术，这些数据要么访问起来很慢，要么需要重新计算。

这个例子简单明了，却演示了键值的跨网络存储，以及程序的多个分布式副本如何来访问键值。很简单，却很强大。这是很棒的迈向程序优化的第一步。

在memcached中存储数据时，你可以设置过期时间，即mecached保存键和值的最长时间，单位是秒。到期以后，memcached会自动从缓存中删除他们。

过期时间应该设多长呢？没有一个直接的答案，过期时间完全取决于你处理的数据和程序的类型。可能是几秒钟，也可能是几个小时。

“缓存失效”定义了当缓存中的数据与当前数据不一致时，什么时候删除缓存数据，这也是你的程序必须处理的问题，尤其是在不得不呈现已经过时或过于陈旧的数据的情况下。

重申一下，没有直接的答案；过期时间取决于你构造的程序类型。不过，有几类外围情况需要处理，我在上面的例子中尚未涉及。

缓存服务器不能无限增长–内存减肥是有限资源。因此，服务器一旦需要更多的空间来存储其他东西，就会立即清空已有的键。

有些键由于到了过期时间（有时叫做生存周期，或TTL），会变无效。在这些情况下，数据会丢失，并且必须再次重新从标准数据源查询。

听上去比实际情况更加复杂。通常来说，你在Python中使用memcached可以遵循以下方式：

注：由于存在清理操作，处理丢失的键是一定要做的。此外，像memcached刚刚启动这种冷缓存的情况也必须进行处理。在这种情况下，缓存是全空状态，需要一次载入一个请求，直至充分填满。

这意味着说，任何缓存的数据都应视作是临时性的。而且，千万不要期望缓存中包含你先前写入的值。

有些冷缓存的情况是无法避免的，比如memcached发生了崩溃。而有些冷缓存情况，比如迁移到一个新的memcached服务器，是可以避免的。

当你预见会发生冷缓存的情况时，最好避开它。一个需要重新填满的缓存。意味着突然之间，所有缺少缓存数据的用户会大量地访问标准数据源。这种现象也称作“惊群效应”。

pymemcache库提供了一个名为FallbackClient的类来实现这种场景，如下所述：

FallbackClient类能够依照顺序，查询传递给构造函数的老的缓存。这种情况下，总是优先查询新的缓存服务器。如果未命中，则查询老的缓存，从而避免来回查询主数据源的可能。

键会被设置到新的缓存中。一段时间后，可以淘汰老的缓存，然后用new_cache客户端直接替换FallbackClient

在与缓存进行远程通信时，可能发生常见的并发性问题，即有多个客户端尝试同时访问同一个键。Memcached提供了一个叫做检查和设置(check and set)的操作，缩写CAS，来解决这一问题。

最简单的例子比如，有个程序希望统计它的用户数。每当有用户连接时，计数器加一。用memcached，简单实现起来是这样子的：

然而，如果这个程序的两个实例尝试同时更新这个计数器，情况会怎样呢？

第一个client.get(‘visitors’)调用会返回相同的用户数，比方说是42。两个实例同时加一，结果是43，但是43是错的，正确的结果应该是42+1+1=44。

通过CAS操作解决并发问题，就很方便。以下的片段实现了一个正确的方案。

类似于get方法，gets方法既返回键值，又返回CAS值。

值的内容是无关的，但在下一次cas方法的调用中会用得着。除了值的内容自gets操作后发生了变化就会导致运行失败，这个方法等同于set操作。运行成功时，循环是中断的，否则操作会从头开始。

当程序的两个实例尝试同时更新计数器时，只有一个实例可以成功地将计数器从42加到43。另一个实例会由client.cas调用返回一个“假”值，只能再次走一遍循环。这次它会得到43，加1得到44，且cas调用会成功完成，从而解决了我们的问题

增加计数器这个例子的有趣之处在于，简单地解释了CAS的工作原理。其实，memcached其实提供了incr和decr方法，可以在单个请求中递增或递减，而无需多次调用gets / cas 。 现实中的程序中使用gets/cas来实现更加复杂的数据类型或者操作。

大多数的远程缓存服务器和数据存储都提供了类似的方法，以防止出现并发性问题。了解和合理的使用这些方法至关重要。

这篇教程演示了使用memcached来提高Python程序的性能是多么的容易。

只要执行两个基本的"set"和"get"操作，你就可以加速数据检索，或者避免反复的计算结果。有了memcache，你可以在大量的分布式节点间实现缓存的共享。

另外，类似CAS操作更高级的方法允许你跨多个Python线程/进程并发地更新缓存中的数据，同时不破坏这些数据。

如果你有兴趣学习更多的高级技巧，写出更快、扩展性更好的Python程序，可以访问Scaling Python。它包含了许多高级主题，比如网络分布，排队系统，分布式哈希算法，和代码性能分析。