SecondLevelCache 技术文档
2024-12-26 23:59:00作者:庞眉杨Will
本文档旨在帮助用户安装、使用及深入了解 SecondLevelCache 项目,以下是项目的安装指南、使用说明以及 API 使用文档。
1. 安装指南
首先,您需要在项目的 Gemfile 文件中添加相应的依赖。根据所使用的 ActiveRecord 版本,添加如下配置:
- 对于 ActiveRecord 7:
gem 'second_level_cache', '~> 2.7'
- 对于 ActiveRecord 5.2 和 6.0:
gem 'second_level_cache', '~> 2.6.3'
- 对于 ActiveRecord 5.0.x 和 5.1.x:
gem 'second_level_cache', '~> 2.3.0'
- 对于 ActiveRecord 4:
gem "second_level_cache", "~> 2.1.9"
- 对于 ActiveRecord 3:
gem "second_level_cache", "~> 1.6"
完成 Gemfile 的修改后,运行以下命令安装依赖:
bundle install
2. 项目的使用说明
以下是如何在项目中使用 SecondLevelCache 的示例:
缓存 User 对象
class User < ActiveRecord::Base
second_level_cache expires_in: 1.week
end
在此配置下,以下场景将会获取缓存的对象:
User.find(1)
user.articles.find(1)
User.where(status: 1).find(1)
User.where(id: 1).first # 或 .last
article.user
获取缓存键
user = User.find(1)
user.second_level_cache_key # 将得到形如 "slc/user/1/0" 的键
过期缓存
user = User.find(1)
user.expire_second_level_cache
或者使用类方法过期缓存:
User.expire_second_level_cache(1)
禁用 SecondLevelCache
User.without_second_level_cache do
user = User.find(1)
# ...
end
请注意,只有 SELECT * 查询会被缓存:
# 这个查询不会被缓存
User.select("id, name").find(1)
3. 项目 API 使用文档
SecondLevelCache 提供了以下 API:
second_level_cache: 在模型中启用缓存功能,可以设置缓存过期时间。second_level_cache_key: 获取模型的缓存键。expire_second_level_cache: 过期单个模型的缓存。without_second_level_cache: 在块内禁用缓存。fetch_by_uniq_keys: 通过唯一键从缓存中获取记录。fetch_by_uniq_keys!: 通过唯一键从缓存中获取记录,如果记录不存在则抛出异常。
更多 API 和用法请参考项目文档。
4. 项目安装方式
SecondLevelCache 的安装方式已在安装指南中详细说明,请参照安装指南完成安装。
登录后查看全文
热门项目推荐
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 StartedRust0103- 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
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
SenseNova-U1-8B-MoTSenseNova U1 是全新的原生多模态模型系列,通过单一架构实现了多模态理解、推理与生成的统一。 它标志着多模态人工智能领域的根本性范式转变:从模态集成迈向真正的模态统一。与依赖适配器进行模态间转换的传统方式不同,SenseNova U1 模型能够以原生方式处理语言和视觉信息,实现思考与行动的一体化。00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
712
4.52 K
Ascend Extension for PyTorch
Python
575
698
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
416
349
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++
959
962
deepin linux kernel
C
28
16
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
613
103
🎉 (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
1.61 K
951
昇腾LLM分布式训练框架
Python
153
177
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
140
222
Oohos_react_native
React Native鸿蒙化仓库
C++
341
386