entcache 开源项目最佳实践
2025-05-28 16:27:58作者:咎竹峻Karen
1. 项目介绍
entcache 是一个为 ent 数据库模型提供缓存功能的实验性驱动。它支持多种存储选项,包括基于 context.Context 的缓存、嵌入式驱动级别的缓存、远程缓存(例如 Redis),以及缓存层次结构(多级缓存)。entcache 的目标是减少数据库的查询次数,提高应用性能。
2. 项目快速启动
首先,您需要通过 go get 命令安装 entcache 包:
go get ariga.io/entcache
接下来,您需要打开数据库连接,并使用 entcache 装饰您的 sql.Driver:
db, err := sql.Open(dialect.MySQL, "user:password@/dbname")
if err != nil {
log.Fatal("opening database", err)
}
drv := entcache.NewDriver(db)
client := ent.NewClient(ent.Driver(drv))
在进行模式迁移时,您可能希望跳过缓存层,可以这样做:
if err := client.Schema.Create(entcache.Skip(ctx)); err != nil {
log.Fatal("running schema migration", err)
}
之后,您就可以执行查询了。以下是一个查询用户的例子,第二次查询将从缓存中获取结果:
if u, err := client.User.Get(ctx, id); err != nil {
log.Fatal("querying user", err)
}
请注意,在使用 entcache 之前,您需要仔细选择缓存存储。
3. 应用案例和最佳实践
缓存层次结构
多级缓存允许以层次结构的方式组织缓存。例如,一个两级缓存可能包括内存中的 LRU 缓存和由 Redis 支持的远程缓存。
// 配置 LRU 缓存和远程缓存的组合
cache := entcache.NewMultiLevelCache(
entcache.NewLRUCache(100), // LRU 缓存
entcache.NewRedisCache(redisClient), // 远程 Redis 缓存
)
drv := entcache.NewDriver(db, entcache.WithCacheStore(cache))
client := ent.NewClient(ent.Driver(drv))
在 GraphQL 中使用
如果您的应用程序使用 GraphQL,entcache 可以通过包装请求的 context.Context 来减少不必要的数据库查询。
srv.AroundResponses(func(ctx context.Context, next graphql.ResponseHandler) *graphql.Response {
if op := graphql.GetOperationContext(ctx).Operation; op != nil && op.Operation == ast.Query {
ctx = entcache.NewContext(ctx)
}
return next(ctx)
})
4. 典型生态项目
entcache 可以与 ent 框架无缝集成,ent 是一个用于 Go 的数据模型和 ORM 工具,它可以生成代码以减少样板代码,并简化数据库交互。
entcache 的生态项目可能包括:
ent:ent 是一个强大的数据模型框架,用于 Go,它为数据库交互提供了一套丰富的 API。redis:Redis 是一个开源的 in-memory 数据结构存储,用作数据库、缓存和消息代理。- 其他缓存解决方案:如 Memcached、Amazon ElastiCache 等,可以与 entcache 集成以提供更多缓存选项。
通过遵循上述最佳实践,您可以有效地集成 entcache 到您的 Go 项目中,并充分利用其缓存功能来提高性能。
登录后查看全文
热门项目推荐
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
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。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
9
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
🔥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
62
20
暂无简介
Dart
658
150
🎉 (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
1.17 K
643
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
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++
656
293
仓颉编译器源码及 cjdb 调试工具。
C++
131
864
React Native鸿蒙化仓库
JavaScript
251
320
仓颉编程语言运行时与标准库。
Cangjie
138
874