Redis Django 缓存后端技术文档
2024-12-23 13:14:31作者:凌朦慧Richard
1. 安装指南
1.1 环境要求
redis-py>= 2.10.3redis>= 2.4hiredispython>= 2.7
1.2 安装步骤
-
使用
pip安装django-redis-cache:pip install django-redis-cache -
修改 Django 项目的
settings.py文件,配置缓存后端为redis_cache。
2. 项目安装方式
2.1 使用 TCP 连接
在 settings.py 中配置 CACHES 如下:
CACHES = {
'default': {
'BACKEND': 'redis_cache.RedisCache',
'LOCATION': [
'<host>:<port>',
'<host>:<port>',
'<host>:<port>',
],
'OPTIONS': {
'DB': 1,
'PASSWORD': 'yadayada',
'PARSER_CLASS': 'redis.connection.HiredisParser',
'CONNECTION_POOL_CLASS': 'redis.BlockingConnectionPool',
'CONNECTION_POOL_CLASS_KWARGS': {
'max_connections': 50,
'timeout': 20,
},
'MAX_CONNECTIONS': 1000,
'PICKLE_VERSION': -1,
},
},
}
2.2 使用 Unix 域套接字
在 settings.py 中配置 CACHES 如下:
CACHES = {
'default': {
'BACKEND': 'redis_cache.RedisCache',
'LOCATION': '/path/to/socket/file',
'OPTIONS': {
'DB': 1,
'PASSWORD': 'yadayada',
'PARSER_CLASS': 'redis.connection.HiredisParser',
'PICKLE_VERSION': 2,
},
},
}
2.3 主从配置
在 settings.py 中配置 CACHES 如下:
CACHES = {
'default': {
'BACKEND': 'redis_cache.RedisCache',
'LOCATION': [
'<host>:<port>',
'<host>:<port>',
'<host>:<port>',
],
'OPTIONS': {
'DB': 1,
'PASSWORD': 'yadayada',
'PARSER_CLASS': 'redis.connection.HiredisParser',
'PICKLE_VERSION': 2,
'MASTER_CACHE': '<master host>:<master port>',
},
},
}
3. 项目的使用说明
3.1 缓存操作
django-redis-cache 提供了与 Django 内置缓存后端相同的 API,并增加了一些额外的功能。
3.1.1 cache.delete_pattern
使用通配符模式删除缓存键。
示例:
>>> from news.models import Story
>>>
>>> most_viewed = Story.objects.most_viewed()
>>> highest_rated = Story.objects.highest_rated()
>>> cache.set('news.stories.most_viewed', most_viewed)
>>> cache.set('news.stories.highest_rated', highest_rated)
>>> data = cache.get_many(['news.stories.highest_rated', 'news.stories.most_viewed'])
>>> len(data)
2
>>> cache.delete_pattern('news.stories.*')
>>> data = cache.get_many(['news.stories.highest_rated', 'news.stories.most_viewed'])
>>> len(data)
0
3.1.2 cache.clear
清除缓存中的所有键,可以选择指定版本号来删除特定版本的键。
3.1.3 cache.reinsert_keys
重新插入所有缓存键,适用于更改缓存条目的 pickle 协议版本时。
3.2 防雪崩保护
get_or_set 方法支持防雪崩保护,通过传入一个可调用对象和超时时间,确保在缓存失效时只有一个请求去获取新数据,其他请求则使用旧数据。
示例:
tweets = cache.get_or_set('tweets', twitter.get_newest, timeout=300)
4. 项目API使用文档
4.1 缓存设置
BACKEND: 缓存后端,设置为redis_cache.RedisCache。LOCATION: Redis 服务器地址,可以是 TCP 连接或 Unix 域套接字。OPTIONS: 缓存选项,包括数据库编号、密码、解析器类、连接池类等。
4.2 缓存操作API
cache.set(key, value, timeout=None): 设置缓存键值对。cache.get(key, default=None): 获取缓存键的值。cache.delete(key): 删除缓存键。cache.delete_pattern(pattern): 使用通配符模式删除缓存键。cache.clear(version=None): 清除缓存中的所有键,可选指定版本号。cache.reinsert_keys(): 重新插入所有缓存键。
4.3 防雪崩保护API
cache.get_or_set(key, callable, timeout=None): 获取缓存键的值,如果缓存失效则调用可调用对象获取新值。
通过以上文档,您可以轻松安装、配置和使用 django-redis-cache 项目,并了解其提供的 API 和功能。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
652
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253