Flask-Caching深度详解-编程实验室

1. 他是什么

Flask-Caching 是 Flask 框架的一个扩展包。你可以把它理解为给 Flask 应用配备的一个“快速存取仓库”。

Flask 本身没有自带缓存功能。当应用收到请求时，即使请求的是完全相同的数据，每次都得把数据库翻一遍，或者把复杂的计算重来一遍。Flask-Caching 就是专门填补这个空白的：它提供了一个统一的接口，让你能轻松地把耗时操作的结果暂存起来，下次再用时直接取货，不用重新生产。

2. 他能做什么

举个例子：你做了一个新闻网站，首页的新闻列表每 5 分钟才更新一次，但用户可能是每秒都在刷。如果没有缓存，每刷一次数据库就得忙一次；有了 Flask-Caching，第一个用户访问时页面是“现做”的，之后的用户看到的直接是“热好”的版本，2 秒的加载时间可能瞬间降到 0.1 秒。

具体能做的事情分四层：

缓存整个页面或接口：比如某个新闻详情页，缓存 10 分钟，10 分钟内不管谁来访问，都不需要查数据库。
缓存函数的计算结果：比如一个根据标签生成相关文章列表的函数，只要传入的参数相同，就直接返回上次算好的结果。
缓存模板里的局部片段：比如页脚的公司联系方式、侧边栏的排行榜，这些部分通常变化极慢，没必要每次渲染都重新生成。
手动精细控制：比如把用户权限数据存进去，下次判断权限时直接读取。

3. 怎么使用

从简单到复杂，通常是这几种用法。

第一步：安装和初始化
就像给仓库配个管理员。初始化时指定把东西存在哪儿，是存内存里（速度快）、还是存 Redis（分布式）或文件系统。

python

from flask import Flask from flask_caching import Cache app = Flask(__name__) # 配置：把数据存在内存中，默认超时5分钟 app.config['CACHE_TYPE'] = 'SimpleCache' app.config['CACHE_DEFAULT_TIMEOUT'] = 300 cache = Cache(app)

第二步：缓存视图（最常见的用法）
在路由上加装饰器，告诉 Flask：“这个页面的结果存 50 秒。”

python

@app.route('/news') @cache.cached(timeout=50) def news(): # 模拟耗时2秒的数据库查询 return expensive_query()

第一个请求 2 秒，之后 50 秒内的请求都是毫秒级响应。

第三步：缓存函数的返回值
有些函数不是视图，但经常被调用。比如获取系统配置：

python

@cache.cached(timeout=600, key_prefix='site_config') def get_config(): return load_config_from_db()

注意这里的key_prefix是必须的，因为非视图函数不知道用哪个 URL 当钥匙。

第四步：记忆化（Memoize）—— 带参数的缓存
这是比较实用的功能。它会把函数每次传入的参数也作为缓存钥匙的一部分。比如根据用户 ID 查角色：

python

class User: @cache.memoize(timeout=60) def has_permission(self, resource): # 复杂的权限判断逻辑 return check_db(self.id, resource)

同一个用户查“编辑权限”，60 秒内只需要算一次。

第五步：手动存/取
更灵活的场景，比如某个耗时的 API 数据：

python

@app.route('/stats') def stats(): data = cache.get('user_stats') if data is None: data = compute_heavy_stats() cache.set('user_stats', data, timeout=120) return data

4. 最佳实践

根据实际项目经验，有几个原则比较通用：

开发用 SimpleCache，生产用 Redis。SimpleCache 是存在内存里的，应用重启就丢了，多进程也无法共享。生产环境用 RedisCache，配置也很简单：
app.config['CACHE_TYPE'] = 'RedisCache'
app.config['CACHE_REDIS_URL'] = 'redis://localhost:6379/0'
缓存一定要设过期时间。除非是万年不变的静态数据，否则必须有 timeout。不设过期时间就是埋坑，数据更新了用户还在看旧内容。
memoize 慎传对象。如果给@cache.memoize装饰的函数传入了一个数据库模型对象，Flask-Caching 会对这个对象做repr()来生成钥匙。如果对象的__repr__返回的是<User at 0x10a5b2e0>这种内存地址，那同一个用户每次请求钥匙都不一样，缓存形同虚设。建议传 user_id 这类稳定值。
记得删缓存。当数据源发生变化时，主动把对应的缓存清理掉。比如用户更新头像后，执行cache.delete(f'profile_{user_id}')。对于 memoize，可以用cache.delete_memoized(user_has_permission, user_id, 'edit')。
模板片段缓存很有用。在 Jinja2 模板里可以直接这样写，把整个侧边栏区块缓存 10 分钟：
{% cache 600 %}... 整个侧边栏的 HTML ...{% endcache %}
钥匙前缀区分环境。配置CACHE_KEY_PREFIX，比如 'staging_' 或 'prod_'，避免不同环境或不同应用互相污染数据。

5. 和同类技术对比

对比对象一：自己用 Redis / Memcached 客户端硬写

有的开发者在代码里直接import redis，用redis_client.get/set来实现缓存。

Flask-Caching 的优势：统一抽象。你不需要关心今天用的是 Redis，明天换 Memcached 或者文件缓存时代码要改哪里。Flask-Caching 把这层封装好了，改配置就行。另外，memoize这种基于函数名和参数的自动化钥匙生成，自己写很容易出错。
劣势：多了一层封装，某些极端场景性能损耗可以忽略不计；一些 Redis 的高级数据结构（如 List、Set）无法通过通用接口操作。

对比对象二：Django 的缓存框架

Django 内置了非常完善的缓存体系。

Flask-Caching 的特点：作为第三方扩展，保持了 Flask 一贯的“轻量、灵活”。你需要什么后端就装什么库，没有强绑定。
Django 缓存的特点：Django 是“全家桶”，缓存系统与 ORM、模板、中间件深度整合。比如在 settings 里配好，ORM 的查询结果可以自动缓存。优点是省心，缺点是笨重。
结论：Django 缓存更像自动驾驶，Flask-Caching 像手动挡——更直接，但也更清楚正在发生什么。