小企业网站建设哪家便宜泰安网站建设总结

任务

你想定义一个固定尺寸的缓存，当它被填满时，新加入的元素会覆盖第一个(最老的)元素。这种数据结构在存储日志和历史信息时非常有用。

解决方案

当缓存填满时，本节解决方案及时地修改了缓存对象，使其从未填满的缓存类变成了填满的缓存类:

class RingBuffer(object):"""这是一个未填满的缓存类""" def __init__(self,size_max):self.max = size_maxself.data = [ ]class __Full(object):"""这是一个填满了的缓存类""" def append(self,x):"""加入新的元素覆盖最旧的元素"""self.data[self.cur] = xself.cur = (self.cur+1) % self.maxdef tolist(self):"""以正确的顺序返回元素列表"""return self,data[self.cur:] + self.data[:self.cur]def append(self,x):"""在缓存末尾增加一个元素"""self.data.append(x)if len(self.data) == self.max:self.cur = 0#永久性地将self的类从非满改成满self.__class__ = self.__Fulldef tolist(self):"""返回一个从最旧的到最新的元素的列表"""return self.data
#用法示例
if __name__ == '__main__'x = RingBuffer(5)x.append(1);x.append(2);x.append(3);x.append(4)print x.__class__, x.tolist()x.append(5)print x.__class__, x.tolist()x.append(6)print x.data,x.tolist()x.append(7); x.append(8); x.append(9); x.append(10)print x.data,x.tolist()

讨论

缓存环是有固定大小的缓存。当它被填满时，加入新元素会覆盖掉它持有的最旧的元素。在存储日志和历史信息时缓存环是非常有用数据结构。Python并没有为这种数据结构提供直接支持，但用它构建一个这种结构却轻而易举。本节解决方案专门为元素插入进行了优化。

一个值得注意的设计要点是，这些对象在它们的生命周期中会经历某种不可逆转的状态转变——从未填满的缓存变成填满的缓存(从此时开始它的行为方式也发生了变化)，我通过修改 self.__class__ 来完成这个转变。这种方式对经典类和新风格类都同样有效，只要这些旧的或者新的类的对象都拥有相同的槽(但对两个没有槽的新风格类也有效，比如本节的RingBufer和Full类)。注意，和其他语言不同，虽然Full类的实现位于 RingBufer 类的内部，但两者并没有什么特别的联系，这样其实很好，因为我们完全不需要这种联系。

修改类实例在很多语言中会显得很古怪，但在Python中，相比于其他一些随意的、无法逆转的、零散的修改方式，它是一种很好的选择。而且，这样的修改对于所有的类都是可行的。
缓存环(或者叫做有界的队列)是一个很棒的点子，但是总测试缓存环有没有被填满是很低效的操作，我们也可以找到别的办法，但是测试本身就是一件很讨厌的事情。这种讨厌的事情在 Python 世界中是不受欢迎的，虽然用Python 来做这些事并没有什么难度，而且测试还涉及了更多的内存使用。关键就在于当环被填满时，给__class__赋值以改变其行为方式，这也是它效率出众的原因:这种类转换是一次性的操作，所以它不会带来任何性能上的开销。

另一种选择是，我们可以切换实例的两个方法而非整个类，来使它变成填满的状态:

class RingBuffer(object):def __init__(self,size_max):self.max = size_maxself.data=[]def _full_append(self,x):self.data[self.cur] = xself.cur = (self.cur+1) % self.maxdef _full_get(self):return self.data[self.cur:] + self.data[:self.cur]def append(self,x):self.data.append(x)if len(self.data) == self.max:self.cur = 0#Permanently change self's methods from non-full to fullself.appand = self._full_appendself.tolist = self._full_getdef tolist(self):return self.data

这种切换的方式本质上等价于解决方案给出的类切换方式，尽管具体机制不同。当需要成组地切换所有的方法时，类切换的方式可能是最佳的，而方法切换则在需要更细的行为粒度控制的时候更加合适。当需要在新风格类中切换某些特殊方法时，类切换是唯一的办法，这是因为它固有的特殊方法查询是针对类进行的，而不是针对实例的(经典类和新风格类在这个方面截然不同)。

还可以使用其他很多方法来实现缓存环。在Python2.4中，可以考虑从新类型collections.deque 派生一个子类，这个类型提供了“双头队列”，因而从任意一头添加或者删除数据的效率都是相当的:

from collections import deque
class RingBuffer(deque):def __init__(self,size_max):deque.__init__(self)self.size_max = size_maxdef append(self,datum):deque.append(self,datum)if len(self) > self.size_max:self.popleft()def tolist(self):return list(self)

或者，当环处于稳定状态时，为了避免if语句，还可以混用方法切换:

from collections import deque
class RingBuffer(deque):def __init__(self,size_max):deque.__init__(self)self.size_max = size_maxdef _full_append(self,datum):deque.append(self,datum)self.popleft()def append(self,datum):deque.append(self,datum)if len(self) == self.size_max:self.append = self._full_appenddef tolist(self):return list(self)

在最后的这个实现中，我们只需要切换 append 方法(而tolist方法则保持原状)，在这里方法切换显得比类切换更方便。