Чи є бібліотека кешування Python?

Я шукаю бібліотеку кешування Python, але поки нічого не можу знайти. Мені потрібен простий dictінтерфейс, у якому я можу встановити клавіші та їх закінчення та отримати кешування. Сортування чогось типу:

cache.get(myfunction, duration=300)

який дасть мені елемент із кеша, якщо він існує, або зателефонуйте у функцію та збережіть його, якщо його немає або закінчився термін дії. Хтось знає щось подібне?

Погляньте на Beaker:

• Домашня сторінка
• Кешування документації
• Хороша стаття для швидкого початку використання Beaker with Django (але корисна і в інших програмах)

З Python 3.2 ви можете використовувати декоратор @lru_cache з бібліотеки фунтоків. Це кеш, який нещодавно використовували, тому для елементів у ньому немає часу закінчення терміну придатності, але як швидкий злом це дуже корисно.

from functools import lru_cache

@lru_cache(maxsize=256)
def f(x):
  return x*x

for x in range(20):
  print f(x)
for x in range(20):
  print f(x)

Ви також можете поглянути на декоратора пам’яті . Можливо, ви могли б змусити його робити те, що хочете, без надто великих змін.

Joblib https://joblib.readthedocs.io підтримує функції кешування у шаблоні "Пам'ятати". Здебільшого ідея полягає в кешуванні обчислювально дорогих функцій.

>>> from joblib import Memory
>>> mem = Memory(cachedir='/tmp/joblib')
>>> import numpy as np
>>> square = mem.cache(np.square)
>>> 
>>> a = np.vander(np.arange(3)).astype(np.float)
>>> b = square(a)                                   
________________________________________________________________________________
[Memory] Calling square...
square(array([[ 0.,  0.,  1.],
       [ 1.,  1.,  1.],
       [ 4.,  2.,  1.]]))
___________________________________________________________square - 0...s, 0.0min

>>> c = square(a)

Ви також можете робити фантазії, наприклад, використовувати декоратор @ memory.cache для функцій. Документація тут: https://joblib.readthedocs.io/en/latest/generated/joblib.Memory.html

Полиці ніхто ще не згадав. https://docs.python.org/2/library/shelve.html

Він не запам’ятовується, але виглядає набагато простіше і може відповідати вашим потребам.

Я думаю, що API-інтерфейс python - це найпоширеніший інструмент, але я сам його не використовував і не впевнений, чи підтримує він потрібні функції.

import time

class CachedItem(object):
    def __init__(self, key, value, duration=60):
        self.key = key
        self.value = value
        self.duration = duration
        self.timeStamp = time.time()

    def __repr__(self):
        return '<CachedItem {%s:%s} expires at: %s>' % (self.key, self.value, time.time() + self.duration)

class CachedDict(dict):

    def get(self, key, fn, duration):
        if key not in self \
            or self[key].timeStamp + self[key].duration < time.time():
                print 'adding new value'
                o = fn(key)
                self[key] = CachedItem(key, o, duration)
        else:
            print 'loading from cache'

        return self[key].value



if __name__ == '__main__':

    fn = lambda key: 'value of %s  is None' % key

    ci = CachedItem('a', 12)
    print ci 
    cd = CachedDict()
    print cd.get('a', fn, 5)
    time.sleep(2)
    print cd.get('a', fn, 6)
    print cd.get('b', fn, 6)
    time.sleep(2)
    print cd.get('a', fn, 7)
    print cd.get('b', fn, 7)

Ви можете використовувати моє просте рішення проблеми. Це справді просто, нічого фантазійного:

class MemCache(dict):
    def __init__(self, fn):
        dict.__init__(self)
        self.__fn = fn

    def __getitem__(self, item):
        if item not in self:
            dict.__setitem__(self, item, self.__fn(item))
        return dict.__getitem__(self, item)

mc = MemCache(lambda x: x*x)

for x in xrange(10):
    print mc[x]

for x in xrange(10):
    print mc[x]

Дійсно не вистачає функціональності терміну придатності, але ви можете легко розширити його, вказавши певне правило в MemCache c-tor.

Код надії досить зрозумілий, але якщо ні, то лише згадати, що кеш передається функції перекладу як один із його параметрів c-tor. Він використовується в свою чергу для отримання кешованого виводу щодо вхідних даних.

Сподіваюся, це допомагає

Спробуйте redis, це одне з найчистіших і найпростіших рішень для додатків для обміну даними атомним шляхом або якщо у вас є якась платформа веб-сервера. Його дуже просто налаштувати, вам знадобиться клієнт python redis http://pypi.python.org/pypi/redis

Подивіться gocept.cache на pypi, керуйте тайм-аутом.

Цей проект спрямований на те, щоб забезпечити "Тренування для людей" (схоже, це досить невідомо)

Деякі відомості зі сторінки проекту:

Установка

pip встановити кеш

Використання:

import pylibmc
from cache import Cache

backend = pylibmc.Client(["127.0.0.1"])

cache = Cache(backend)

@cache("mykey")
def some_expensive_method():
    sleep(10)
    return 42

# writes 42 to the cache
some_expensive_method()

# reads 42 from the cache
some_expensive_method()

# re-calculates and writes 42 to the cache
some_expensive_method.refresh()

# get the cached value or throw an error
# (unless default= was passed to @cache(...))
some_expensive_method.cached()

Подивіться на bda.cache http://pypi.python.org/pypi/bda.cache - використовує ZCA і тестується з синця і BFG.

keyring - найкраща бібліотека кешування python. Можна використовувати

keyring.set_password("service","jsonkey",json_res)

json_res= keyring.get_password("service","jsonkey")

json_res= keyring.core.delete_password("service","jsonkey")