Stash - PHP缓存库技术文档
安装指南
使用Composer安装
推荐使用Composer来安装Stash库。Composer是PHP的依赖管理工具,能够方便地管理项目依赖。
在项目的composer.json文件中添加以下内容:
"require": {
"tedivm/stash": "0.17.*"
}
或者直接通过命令行安装:
composer require tedivm/stash
从Github下载
你也可以从Github下载Stash的发布版本。访问Github Releases页面下载最新版本。
项目使用说明
核心概念
Stash库有三个主要组件:
- Pool类:表示一组缓存对象的集合。
- Item类:提供对单个缓存对象的访问。
- Driver类:允许Stash与各种缓存系统进行交互。
每个Driver被初始化后,可以传递给一个Pool,开发者可以忽略它的存在。开发者还可以通过Composite Driver将多个Driver组合在一起,创建多层缓存系统。
Pool类允许开发者执行多种任务,如运行“Purge”以允许后端系统执行维护任务或设置新的日志或Driver类。Pool还可以用于创建单个或多个Item对象。
每个Item代表缓存中的一个对象。它有一个唯一的Key,意味着从同一个Pool创建的任何两个Item将包含相同的Value。Item可以设置、获取和删除缓存系统中的值。
Keys
Key是一个字符串,表示缓存系统中的一个Item。最简单的Key是一个字母数字字符串,并且与缓存中的值有一对一的关系。
Stash提供了一个称为“stacks”的功能,允许开发者将相关的Item分组在一起,以便可以作为一个组删除。这通过给Item一个嵌套结构来实现,类似于计算机上的文件夹。
例如,Key如“/models/users/34/profile”可以允许开发者使用该用户的ID清除特定用户的数据,或者清除所有用户的数据,甚至所有模型的数据。
会话存储
提供的Session类在其构造函数中接受一个Pool,然后可以使用内置的PHP方法、Session::registerHandler静态函数或使用任何使用SessionHandlerInterface接口的框架注册为会话处理程序。
项目API使用文档
Pool类
Pool::__construct(DriverInterface $driver):初始化一个Pool对象,接受一个Driver对象作为参数。Pool::getItem(string $key):获取一个Item对象,接受一个Key作为参数。Pool::flush():清除所有缓存数据。
Item类
Item::set(mixed $value):设置缓存值。Item::get():获取缓存值。Item::clear():清除缓存值。
Driver类
FileSystemDriver:文件系统驱动。SqliteDriver:SQLite驱动。APCDriver:APC驱动。MemcachedDriver:Memcached驱动。RedisDriver:Redis驱动。EphemeralDriver:仅在运行时有效的驱动。
项目安装方式
使用Composer安装
composer require tedivm/stash
从Github下载
访问Github Releases页面下载最新版本。
通过以上步骤,你可以轻松安装和使用Stash库,提升代码的执行效率。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00