در ادامه یک راه‌حل ساده، تمیز و قابل توسعه برای کش کردن خروجی توابع در پایتون با دکوریتور بهت می‌دهم. این کش:

• بر اساس نام تابع + آرگومان‌ها کلید می‌سازد
• مدت اعتبار (duration) دارد
• برای method‌های داخل کلاس هم کار می‌کند (چون self را در کلید دخالت نمی‌دهیم)
• قابل توسعه برای Redis، فایل و ... است

 نسخه آماده استفاده: دکوریتور cache با expiration

استفاده:

class MyClass:
    @cache(duration=256)
    def function_cal_1(self, x, y):
        print("Real calculation running...")
        return x * y

اگر دوباره همین ورودی‌ها را صدا بزنی:

obj = MyClass()
obj.function_cal_1(2, 5)
obj.function_cal_1(2, 5)

دفعه دوم خروجی از کش برمی‌گردد و دیگر "Real calculation running..." چاپ نمی‌شود.

پیاده‌سازی دکوریتور cache

این همان چیزی است که نیاز داری:

import time
import functools
import hashlib
import json

_cache_storage = {}  # memory cache: { key: (expire_at, value) }


def make_cache_key(func, args, kwargs):
    """تولید یک کلید یکتا بر اساس نام تابع + پارامترها"""

    # args[0] = self → نباید در کش دخیل شود
    pure_args = args[1:] if args and hasattr(args[0], "__class__") else args

    raw_key = {
        "func": f"{func.__module__}.{func.__qualname__}",
        "args": pure_args,
        "kwargs": kwargs,
    }

    raw_str = json.dumps(raw_key, sort_keys=True)
    return hashlib.sha256(raw_str.encode()).hexdigest()


def cache(duration=60):
    """دکوریتور اصلی کش"""

    def decorator(func):
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            key = make_cache_key(func, args, kwargs)
            now = time.time()

            # اگر قبلاً کش شده و هنوز معتبر است
            if key in _cache_storage:
                expire_at, value = _cache_storage[key]
                if expire_at > now:
                    return value  # برگرداندن از کش

            # اجرای واقعی تابع
            value = func(*args, **kwargs)

            # ذخیره در کش
            _cache_storage[key] = (now + duration, value)
            return value

        return wrapper

    return decorator

 نکات مهم

✔ کار می‌کند برای:

• توابع معمولی
• متدهای کلاس‌ها
• آرگومان‌های معمولی (int, str, dict, list,…)

✔ برای self کش جداگانه نمی‌سازد

یعنی اگر دو آبجکت different باشند ولی ورودی‌ها یکسان، کش مشترک استفاده می‌شود

(در ۹۹٪ موارد همین مطلوب است)

✔ پایان زمان (Expiration)

بعد از اتمام duration دوباره مقدار جدید محاسبه می‌شود.

⚡ اگر کش دائمی بخواهی (مثلاً روی دیسک یا redis)

خبر بده تا نسخه‌های زیر را برات بسازم:

• کش روی فایل (pickle)
• کش روی SQLite
• کش روی Redis
• کش async مناسب برای FastAPI / aiohttp
• کش LRU ترکیب‌شده با expiration

 کتابخانه‌های معروف برای کش کردن خروجی تابع‌ها در پایتون

 چند تا کتابخانه/ابزار آماده و محبوب وجود دارد که دقیقاً همین کار (یا بسیار شبیهش) را انجام می‌دهند. در ادامه مهم‌ترین‌ها را با توضیح می‌دهم 👇

⚠️ نقاط قوت و محدودیت هر کدام

• functools.lru_cache / cache: سریع، ساده، در حافظه (RAM)، مناسب برای محاسبات سریع که ورودی‌ها hashable هستند. اما هیچ TTL / expiration زمانی ذاتی ندارند (مگر cache_clear() دستی بزنی)، و کش همیشه در حافظه می‌ماند. (Python documentation)
• cachetools: انعطاف زیاد — TTL، eviction policy های مختلف، محدود کردن اندازه کش، مناسب برای مواردی که می‌خواهی کنترل دقیق روی کش داشته باشی. (GeeksforGeeks)
• cachier: مناسب وقتی نتایج محاسبه‌شده‌ات را می‌خوای بین اجرای برنامه‌ها نگه داری — مثلاً در اسکریپت‌ها یا اپ‌هایی که چند بار راه‌اندازی می‌شوند، یا زمانی که محاسبه سنگین است و می‌خوای کش «دائم» باشد. (GitHub)

🎯 نظر من — چه زمانی از کدام استفاده کنی

• اگر تابع ساده است و ورودی‌ها hashable: functools.lru_cache(maxsize=None) یا @functools.cache (پایتون ≥ 3.9) سریع‌ترین و ساده‌ترین انتخاب است.
• اگر می‌خوای کش با expiration زمان یا eviction policy داشته باشی → cachetools مناسب‌تر است.
• اگر نتیجه تابعت باید بین اجرای برنامه‌ها (یا بین restart) حفظ شود → cachier گزینه خوبی است.

اگر بخواهی — می‌توانم ۳–۴ کتابخانه معروف به همراه نمونه کد کامل برای هرکدام آماده کنم (برای متدهای کلاس، توابع ساده، با TTL، با persistence و غیره). مایل هستی اون نمونه‌ها را هم ببینی؟