entcache 开源项目最佳实践
2025-05-28 03:49:11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
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
533
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
772
191
Ascend Extension for PyTorch
Python
342
405
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