TypeScript 基于的缓存装饰器:type-cacheable 入门与实践
2024-08-30 08:01:07作者:钟日瑜
项目介绍
type-cacheable 是一个用于 TypeScript 的缓存装饰器库,它目前支持 Redis 的 LRU 缓存和 NodeCache,旨在简化服务端缓存逻辑的实现。通过这个库,开发者可以轻松地在他们的方法上添加缓存功能,从而提高应用程序的性能。该项目遵循 MIT 许可证,并拥有活跃的社区贡献,适合那些希望优化数据库查询或者频繁计算结果的应用场景。
项目快速启动
要开始使用 type-cacheable,首先确保你的环境安装了 Node.js,并且你的项目支持 TypeScript。
步骤 1: 安装依赖
在你的项目目录中运行以下命令来安装 type-cacheable:
npm install --save type-cacheable
# 或者,如果你使用 Yarn
yarn add type-cacheable
步骤 2: 引入并使用装饰器
在你的 TypeScript 文件中引入装饰器,并应用于适当的方法。
import { Cacheable, CacheClear, CacheUpdate } from 'type-cacheable';
import { MyRedisClient } from './redis-client'; // 假设这是你的Redis客户端类
class ExampleService {
private client: MyRedisClient;
constructor(client: MyRedisClient) {
this.client = client;
}
@Cacheable({
client: this.client,
ttlSeconds: 60,
})
public async getUser(id: string): Promise<User> {
// 这里是实际获取用户数据的逻辑...
return await this.fetchUserDataFromDB(id);
}
}
应用案例和最佳实践
条件性缓存
你可以基于传给装饰方法的参数决定是否进行缓存:
@Cacheable({
cacheKey: (args) => `user:${args[1]}`, // 动态键名
ttlSeconds: 3600,
})
public async getUsersById(id: string): Promise<User> {
// 数据获取逻辑
}
清理与更新缓存
当你更新某条数据时,清除旧缓存并存储新值:
@CacheUpdate({
cacheKey: "user",
ttlSeconds: 86400,
clearAndUpdateInParallel: true,
})
public async updateUser(userId: string, newData: UserUpdateData): Promise<void> {
// 更新用户逻辑...
}
@CacheClear({ cacheKey: "user" })
public async deleteUser(userId: string): Promise<void> {
// 删除用户逻辑...
}
典型生态项目
由于type-cacheable专注于提供装饰器以简化缓存逻辑,其本身不直接与其他特定生态系统项目集成。然而,它可以与任何Node.js应用无缝协作,特别是那些依赖于高效数据访问(如Express或Fastify框架的API服务)的项目。在微服务架构中,结合Redis或其他内存缓存解决方案,type-cacheable能够增强整体系统的响应速度和扩展性。
为了最大化利用type-cacheable,考虑将其与现代的开发模式和工具链(例如CI/CD流程、TypeScript的最新特性)结合使用,确保你的应用既高效又易于维护。
请注意,具体实现细节可能需依据最新的库版本和你的具体需求调整。查看项目Readme或仓库中的文档以获取最新的指导和示例。
登录后查看全文
热门项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
535
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178