omoide cache Download - omoide cache Source Code Download

omoide cache

AI-Quellcode

1.0.0

Herunterladen

Obligation Cache - Einfache In -Memory -Cache -Lösung

Caching muss nicht mehr hart sein. Mit nur wenigen Zeilen von Code Omoide Cache bringt Ihre Python -Dienste sofort auf die nächste Stufe!

Veröffentlichte Bibliothek : PYPI

Quellcode : GitHub

Tutorial №1 : Mein Blog oder Medium

Beschreibung

Dies ist eine robuste, hoch einstellbare und einfach zu integrierte Integration in Memory-Cache-Lösung, die in reinem Python geschrieben wurde, ohne Abhängigkeiten.

Es ist so konzipiert, dass es sich um einen Methodenebene -Cache handelt, der sich um eine einzelne Klassenmethode wickelt, mithilfe von Methoden -Aufruf -Argumenten als Cache -Taste und des Speicherns des Rückgabewerts verwendet wird.

Anpassbar für Ihren spezifischen Anwendungsfall bietet verschiedene Ablauf- und Aktualisierungsoptionen.

Sehr benutzerfreundlich, super einfach zu integrieren in einen einfachen Dekorateur (dh Annotation für diejenigen, die aus Java kommen), müssen Sie Ihren Code nicht kompliziertes Logik hinzufügen. Verwenden Sie einfach @omoide_cache() zusätzlich zu jeder Methode in Ihren Diensten. Es wird automatisch einen Cache für Ihre Methode mit Standardeinstellungen generieren. Sie können diese Einstellungen weiter über die Dekorationsparameter einstellen.

Wann zu verwenden?

Sie haben einen starken Anruf bei der Datenquelle erhalten, bei dem die Daten häufiger gelesen werden als aktualisiert.
Sie haben eine CPU -intensive Berechnungslogik, die einige Sekunden dauert, aber CAN wird häufig mit denselben Eingabeparametern aufgerufen.

Wann nicht zu benutzen?

Auf Methoden, von denen nicht erwartet wird, dass sie häufig mit denselben Argumenten aufgerufen werden (z. B. Bildverarbeitung / OCR / ml -Modelle mit Bildeingaben)
Bei Methoden, die jedes Mal, wenn sie aufgerufen werden, auch mit denselben Argumenten neue Werte zurückgeben.
Wenn Sie Argumentobjekte oder zurückgegebene Objekte erwarten, um viel Speicher aufzunehmen. Cache wird schnell Ihren RAM auffressen, wenn Sie keine Ablaufmodi richtig einrichten.
Funktionen, die außerhalb des Unterrichts deklariert werden, sind ein No -Go.

Faire Warnung - Dieses Projekt befindet sich in der frühesten Phase seines Lebenszyklus, es wird in Zukunft viele Verbesserungs- und Fehlerbehebungen geben. Alle Vorschläge und Fehlerberichte sind sehr willkommen!

Installation

Normale Installation

pip install omoide-cache

Entwicklungsinstallation

git clone https://github.com/jpleorx/omoide-cache.git
cd omoide-cache
pip install --editable .

Beispiele

1 - Beispiel für Grundnutzung

 import time
from omoide_cache import omoide_cache


# A class where cache was added to a simulated long running method
class ExampleService :
    @ omoide_cache ()
    def time_consuming_method ( self , x : int ) -> int :
        time . sleep ( 2.0 )
        return x * x


service = ExampleService ()

# The first call will execute real logic and store the result in cache
service . time_consuming_method ( 1 )

# The second call will get results from cache
service . time_consuming_method ( 1 )

2 - Beispiel mit Größengrenze

Hier fügen wir einen Cache hinzu, der einen Element fallen lässt, der am wenigsten zugegriffen wird, wenn der Cache zu groß wird.

 import time
from omoide_cache import omoide_cache , ExpireMode


class ExampleService :
    @ omoide_cache ( max_allowed_size = 10 , size_expire_mode = ExpireMode . ACCESS_COUNT_BASED )
    def time_consuming_method ( self , x : int ) -> int :
        time . sleep ( 2.0 )
        return x * x

3 - Beispiel mit zeitgesteuerter Ablauf

Hier entfernen der Cache automatisch Artikel, auf die zuletzt vor mehr als 2 Minuten zugegriffen wurde.

 import time
from omoide_cache import omoide_cache


class ExampleService :
    @ omoide_cache ( expire_by_access_duration_s = 120 )
    def time_consuming_method ( self , x : int ) -> int :
        time . sleep ( 2.0 )
        return x * x

Alternativ können wir Elemente entfernen, die vor mehr als 2 Minuten berechnet wurden.

 import time
from omoide_cache import omoide_cache


class ExampleService :
    @ omoide_cache ( expire_by_computed_duration_s = 120 )
    def time_consuming_method ( self , x : int ) -> int :
        time . sleep ( 2.0 )
        return x * x

4 - Beispiel mit asynchrischer Aktualisierung

Hier wird der Cache asynchron auf Elemente aktualisiert, die vor mehr als 2 Minuten berechnet wurden. Der Versuch zur Aktualisierung wird alle 10 Sekunden durchgeführt.

 import time
from omoide_cache import omoide_cache , RefreshMode


class ExampleService :
    @ omoide_cache ( refresh_duration_s = 120 , refresh_period_s = 10 , refresh_mode = RefreshMode . INDEPENDENT )
    def time_consuming_method ( self , x : int ) -> int :
        time . sleep ( 2.0 )
        return x * x

Bekannte Fehler

Sie müssen den Dekorateur ständig mit Klammern verwenden, auch wenn Sie keine Argumente angeben. Verwenden Sie also @omoide_cache() , jedoch nicht @omoide_cache . Ich habe ehrlich gesagt keine verdammte Idee, warum es dieses seltsame Verhalten in Dekoratoren gibt, werde mein Bestes tun, um es in zukünftigen Updates zu beheben.