估计：非常简单，动态缓存。
reckon的Python项目详细描述
估计：非常简单，动态记忆
安装
为了安装最新版本，只需pip3 install -U reckon。
此库需要Python3.6或更高版本。
这是什么？
reckon通过自动
监视计算机的内存使用情况并清除
接近预定义比率时的条目（默认为
90%。
reckon很大程度上受到global_lru_cache的启发。
包，所以初始的
实施。这个包裹把这些想法带进了Python3
并添加本地缓存实现。
用法
用法很简单：
importreckon@reckon.memoizedefsome_expensive_func(foo:int,bar:int):returnfoo**bar
reckon将自动使用全局缓存。
当全局缓存被自动维护时，它可能 必须手动管理缓存。为此目的， 计算提供以下全局方法：
reckon.glob.clear：清除全局缓存。reckon.glob.shrink：收缩全局缓存。reckon.glob.usage：检查当前使用率。reckon.glob.set_usage：设置最大内存使用率 对于全局缓存。reckon.glob.info：查看有关 缓存-类似于functools.lru_cache.cache_info
如果只想维护函数的本地缓存，则 可以简单地将标志传递给装饰器：
importreckon@reckon.memoize(locale="local")defsome_expensive_func(foo:int,bar:int):returnfoo**bar
另外，如果希望维护本地缓存
模块，您可以初始化自己的
LocalCache对象：
importreckoncache=reckon.local()@cache.memoizedefsome_expensive_func(foo:int,bar:int):returnfoo**bar
本地缓存实例维护相同的高级api 作为全局缓存进行管理：
LocalCache.clear：清除本地缓存。LocalCache.shrink：收缩本地缓存。LocalCache.usage：检查当前使用率。LocalCache.set_usage：设置 本地缓存。LocalCache.info：查看有关 缓存-类似于functools.lru_cache.cache_info
所有的记忆功能都会在缓存中进行自省
通过cache属性。
文档
即将提供完整的文档！
如何贡献
- 检查打开的问题或打开新问题以启动 围绕功能想法或缺陷的讨论。
- 在github上为您的问题或fork创建分支 the repository 在github上开始更改master 分支
- 编写一个测试，显示错误已修复或 该功能按预期工作。
- 发送一个pull请求并在维护程序中设置bug，直到它得到 合并并发布。：）
欢迎加入QQ群-->： 979659372
