Redisco 技术文档
2024-12-20 22:51:04作者:丁柯新Fawn
本文档将详细介绍如何安装、使用 Redisco,以及如何使用其 API。Redisco 是一个 Python 库,允许用户在 Redis 中存储对象,其设计灵感来自 Ruby 库 Ohm,并且代码也 loosely 基于 Ohm 和 Django ORM。
1. 安装指南
Redisco 依赖于 redis-py 2.0.0,因此首先需要安装它。
pip install redis
然后安装 Redisco。
pip install redisco
2. 项目的使用说明
Redisco 提供了一个模型系统,允许用户定义对象并在 Redis 中存储它们。以下是如何定义和使用 Redisco 模型的示例:
from redisco import models
class Person(models.Model):
name = models.Attribute(required=True)
created_at = models.DateTimeField(auto_now_add=True)
fave_colors = models.ListField(str)
person = Person(name="Conchita")
person.is_valid()
person.save()
conchita = Person.objects.filter(name='Conchita')[0]
print(conchita.name)
print(conchita.created_at)
3. 项目API使用文档
以下是一些 Redisco 的核心 API 的使用方法:
属性类型
Attribute: 存储字符串。IntegerField: 存储整数。Counter: 特殊的整数字段,只能通过Model.incr和Model.decr访问。DateTimeField: 存储日期时间对象。DateField: 存储日期对象。FloatField: 存储浮点数。BooleanField: 存储布尔值。ReferenceField: 引用其他 Redisco 模型。ListField: 存储列表。
属性选项
required: 如果为 True,属性不能为 None 或空。default: 设置属性的默认值。indexed: 如果为 True,Redisco 将为属性创建索引。validator: 设置为接受两个参数的可调用对象,验证属性值。unique: 字段必须唯一。
保存和验证
调用对象的 save 方法来保存对象,成功返回 True,否则返回 False。
person = Person(name="Conchita")
if person.is_valid():
person.save()
查询
使用管理器执行查询,通过类的 objects 属性访问。
Person.objects.all()
Person.objects.filter(name='Conchita')
Person.objects.all().order('name')
范围查询
Redisco 支持对数字字段的范围查询。
Person.objects.zfilter(created_at__lt=datetime(2010, 4, 20, 5, 2, 0))
容器
Redisco 提供了三种容器,对应 Redis 支持的数据结构:列表、集合和有序集合。
from redisco.containers import Set, List, SortedSet
s = Set('myset')
s.add('apple')
l = List('alpha')
l.append('a')
zset = SortedSet('zset')
zset.add('d', 200)
连接到 Redis
默认情况下,所有模型和容器都使用一个全局 Redis 客户端对象与键值存储交互。如果需要指定设置,可以使用 redisco.connection_setup。
import redisco
redisco.connection_setup(host='localhost', port=6380, db=10)
4. 项目安装方式
请参考上述的安装指南部分。
以上是关于 Redisco 的技术文档,希望对您有所帮助。
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
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
315
2.74 K
deepin linux kernel
C
24
7
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++
639
246
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
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
1.03 K
470
Ascend Extension for PyTorch
Python
155
178
暂无简介
Dart
606
136
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
240
85
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K
React Native鸿蒙化仓库
JavaScript
238
310