缓存操作(Cacheops)技术文档
2024-12-25 15:03:43作者:宣聪麟
1. 安装指南
要安装 Cacheops,可以使用 pip 工具。以下是安装命令:
pip install django-cacheops
如果您希望直接从 GitHub 安装最新版本,可以使用以下命令:
pip install git+https://github.com/Suor/django-cacheops.git@master
2. 项目使用说明
Cacheops 是一个功能强大的应用,支持自动或手动查询集缓存,以及基于事件的细粒度自动失效。它使用 Redis 作为 ORM 缓存的后端,同时也支持使用 Redis 或文件系统进行简单的时间失效。
Cacheops 提供以下特性:
- 装饰器,用于缓存任何用户函数或视图作为查询集或按时间缓存。
- 对 Django 和 Jinja2 模板的扩展。
- 透明的事务支持。
- 防止狗堆(dog-pile)的机制。
- 一些使 Django 运行更快的技巧。
3. 项目API使用文档
以下是一些 Cacheops 的基本使用方法:
自动缓存
自动缓存是通过配置来实现的。例如,以下配置将对 User.objects.get() 的调用自动缓存 15 分钟:
CACHEOPS = {
'auth.user': {'ops': 'get', 'timeout': 60*15},
}
手动缓存
可以通过调用查询集的 .cache() 方法来强制使用缓存:
Article.objects.filter(tag=2).cache()
您还可以指定要缓存的操作,例如:
qs = Article.objects.filter(tag=2).cache(ops=['count'])
函数缓存
可以使用 cached_as 装饰器来缓存函数的结果:
from cacheops import cached_as
@cached_as(Article, timeout=120)
def article_stats():
# ...
视图缓存
视图可以通过 cached_view_as 装饰器来缓存:
from cacheops import cached_view_as
@cached_view_as(News)
def news_index(request):
# ...
4. 项目安装方式
除了使用 pip 安装外,您还需要在 Django 项目的 INSTALLED_APPS 中添加 cacheops:
INSTALLED_APPS = [
# ...
'cacheops',
]
接着配置 Redis 连接,为需要的模型启用缓存:
CACHEOPS_REDIS = {
'host': 'localhost',
'port': 6379,
'db': 1,
}
以上即为 Cacheops 的技术文档概览,更多详细配置和使用方法请参考项目官方文档。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
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
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873