@std/cache

Overview Jump to heading#

In-memory cache utilities, such as memoization and caches with different expiration policies.

import { memoize, LruCache, type MemoizationCacheResult } from "@std/cache";
import { assertEquals } from "@std/assert";

const cache = new LruCache<string, MemoizationCacheResult<bigint>>(1000);

// fibonacci function, which is very slow for n > ~30 if not memoized
const fib = memoize((n: bigint): bigint => {
  return n <= 2n ? 1n : fib(n - 1n) + fib(n - 2n);
}, { cache });

assertEquals(fib(100n), 354224848179261915075n);

Add to your project Jump to heading#

deno add jsr:@std/cache

See all symbols in @std/cache on

什么是缓存？ Jump to heading#

缓存将最近使用或计算成本高的数据存储在内存中，以便下次可以更快地重复使用，而不是重新计算或重新获取。当计算缓慢、网络调用频繁或反复访问相同数据时，缓存非常有用。

记忆化是函数结果的缓存：给定相同的输入，返回之前计算过的输出。它适用于纯函数（无副作用），结果仅取决于输入的情况。

为什么使用 @std/cache？ Jump to heading#

该包提供了一个现成的 memoize() 辅助函数和常见的缓存类型，这样你就不必自己构建它们。

该包兼容 Deno/Node/Bun/Workers 等环境，并保持 API 简洁且可预测。

LRU Jump to heading#

LRU（最近最少使用）会驱逐你最长时间未使用的条目。适用于“近期的数据很可能会再次使用”的场景。适合热点工作集。

TTL Jump to heading#

TTL（存活时间）在固定时间后驱逐条目，无论是否访问。适用于数据快速过期的情况（例如，来自服务的配置、短期有效的令牌）。

• 根据工作负载选择驱逐策略：时间局部性用 LRU，数据新鲜度用 TTL，内存受限时用基于大小的策略。
• 记忆化缓存必须考虑参数的标识性——对象/函数需要稳定的键（例如序列化或适当时用 WeakMap）。
• 注意防止无限增长；设定合理限制并通过命中率调整容量。
• 明确处理错误/超时——缓存仅成功结果，除非失败结果也应保留。

示例 Jump to heading#

import { LruCache, memoize } from "@std/cache";

const cache = new LruCache<string, number>(500);
const fib = memoize(
  (n: number): number => n <= 1 ? n : fib(n - 1) + fib(n - 2),
  { cache },
);