在Python开发中，使用内置的dict结构可以快速实现基础的键值对缓存，但是默认的dict不会自动清理过期数据，数据会一直占用内存。通过给每个缓存项添加过期时间戳，结合简单的逻辑判断和清理机制，就能实现带TTL的dict缓存，满足临时数据的存储需求。
核心设计思路
带TTL的dict缓存需要额外存储每个键的过期时间，因此不能直接使用原生dict存储值，而是需要将值和时间戳组合成一个结构。整体设计包含三个核心部分：
- 存储结构：使用dict作为外层容器，键为用户传入的缓存键，值为包含缓存数据和过期时间戳的元组
- 写入逻辑：写入缓存时，根据用户传入的TTL计算过期时间，和缓存值一起存入容器
- 读取逻辑：读取缓存时，先判断当前时间是否超过过期时间，如果超过则返回None并清理该键，否则返回缓存值
基础实现代码
以下是一个简单的带TTL的dict缓存实现，支持设置缓存、获取缓存、手动清理过期数据的功能：
import time
class TTLDictCache:
def __init__(self):
# 存储结构：{key: (value, expire_timestamp)}
self._cache = {}
def set(self, key, value, ttl):
"""
设置缓存
:param key: 缓存键
:param value: 缓存值
:param ttl: 过期时间，单位秒
"""
expire_time = time.time() + ttl
self._cache[key] = (value, expire_time)
def get(self, key):
"""
获取缓存
:param key: 缓存键
:return: 缓存值，不存在或已过期返回None
"""
if key not in self._cache:
return None
value, expire_time = self._cache[key]
# 判断是否已经过期
if time.time() > expire_time:
# 过期则删除键
del self._cache[key]
return None
return value
def clear_expired(self):
"""手动清理所有过期的缓存"""
current_time = time.time()
# 遍历所有键，过滤出过期的键
expired_keys = [key for key, (_, expire_time) in self._cache.items() if current_time > expire_time]
for key in expired_keys:
del self._cache[key]
def size(self):
"""返回当前缓存的键数量"""
return len(self._cache)
代码功能说明
上面的TTLDictCache类实现了基础的TTL缓存功能，各个方法的逻辑如下：
set方法
接收缓存键、缓存值、TTL三个参数，通过time.time()获取当前时间戳，加上TTL得到过期时间戳，将值和过期时间戳组成元组存入内部的_cache字典中。
get方法
首先判断键是否存在，不存在直接返回None。如果存在则取出值和过期时间戳，对比当前时间和过期时间戳，如果当前时间更大说明已经过期，删除该键并返回None，否则返回缓存值。
clear_expired方法
遍历所有缓存键，筛选出所有过期的键，然后批量删除，用于主动清理过期数据，避免过期数据长期占用内存。
size方法
返回当前缓存中键的数量，方便查看缓存的使用情况。
使用示例
以下是该缓存类的实际使用例子：
# 初始化缓存实例
cache = TTLDictCache()
# 设置缓存，TTL为5秒
cache.set("user_1", {"name": "张三", "age": 20}, 5)
cache.set("user_2", {"name": "李四", "age": 22}, 10)
# 立即获取缓存，正常返回数据
print(cache.get("user_1")) # 输出：{'name': '张三', 'age': 20}
print(cache.size()) # 输出：2
# 等待6秒后再次获取user_1的缓存，已经过期返回None
time.sleep(6)
print(cache.get("user_1")) # 输出：None
print(cache.size()) # 输出：1
# 手动清理过期数据后，缓存大小不变（因为get时已经删除了过期键）
cache.clear_expired()
print(cache.size()) # 输出：1
优化方向
上面的实现是基础版本，在实际使用中可以根据需求做进一步优化：
- 添加最大缓存数量限制，当缓存数量超过阈值时，按照过期时间优先清理即将过期的键，或者按照LRU策略清理
- 将手动清理过期数据的逻辑改为后台线程定期自动清理，避免过期数据堆积
- 添加线程安全机制，在多线程环境下使用锁保证缓存操作的原子性，避免并发问题
- 支持自定义时间戳来源，方便在测试场景中使用固定的时间，而不是真实的系统时间
注意：这种基于dict实现的TTL缓存适合单进程、小规模的临时缓存场景，如果需要跨进程、高性能或者支持分布式场景，建议使用Redis等专业缓存工具，本文的实现更适合轻量级的本地缓存需求。