【django 学习笔记】14-缓存机制

最新推荐文章于 2022-02-27 07:51:40 发布

原创最新推荐文章于 2022-02-27 07:51:40 发布 · 835 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#django #memcached #cache #数据库 #python

django 专栏收录该内容

19 篇文章

订阅专栏

设定缓存

缓存设置在settings 文件的 CACHE_BACKEND 中。这里是一个CACHE_BACKEND 所有可用值的解释。

内存缓冲

Memcached 是迄今为止可用于Django 的最快, 最有效的缓存类型,Memcached 是完全基于内存的缓存框架, 在安装了Memcached 本身之后, 你将需要安装Memcached Python 绑定, 它没有直接和Django 绑定。这两个可用版本。选择和安装以下模块之一:

最快的可用选项是一个模块, 称为cmemcache, 在http://gijsbert.org/cmemcache 。
如果您无法安装cmemcache, 您可以安装python - Memcached, 在ftp://ftp.tummy.com/pub/python-memcached/ 。如果该网址已不再有效, 只要到Memcached 的网站http://www.danga.com/memcached/), 并从客户端API 完成Python 绑定。

若要使用Memcached 的Django, 设置CACHE_BACKEND 到memcached:/ / IP:port/, 其中IP 是Memcached 的守护进程的IP 地址,port 是Memcached 运行的端口。

在这个例子中,Memcached 运行在本地主机 (127.0.0.1) 上, 端口为11211:

CACHE_BACKEND = ‘memcached://127.0.0.1:11211/’

Memcached 的一个极好的特性是它在多个服务器间分享缓存的能力。这意味着您可以在多台机器上运行Memcached 的守护进程, 该程序会把这些机器当成一个单一缓存, 而无需重复每台机器上的缓存值。要充分利用此功能, 请在CACHE_BACKEND 里引入所有服务器的地址, 用分号分隔。这个例子中, 缓存在运行在IP 地址为172.19.26.240 和172.19.26.242, 端口号为11211 的Memcached 实例间分享:

CACHE_BACKEND = ‘memcached://172.19.26.240:11211;172.19.26.242:11211/’

这个例子中, 缓存在运行在172.19.26.240( 端口11211),172.19.26.242( 端口11212),172.19.26.244 ( 端口11213) 的Memcached 实例间分享:

CACHE_BACKEND = ‘memcached://172.19.26.240:11211;172.19.26.242:11212;172.19.26.244:11213/’

最后有关Memcached 的一点是, 基于内存的缓存有一个重大的缺点。由于缓存的数据存储在内存中, 所以如果您的服务器崩溃, 数据将会消失。显然, 内存不是用来持久化数据的, 因此不要把基于内存的缓存作为您唯一的存储数据缓存。毫无疑问, 在Django 的缓存后端不应该用于持久化, 它们本来就被设计成缓存的解决方案。但我们仍然指出此点, 这里是因为基于内存的缓存是暂时的。

数据库缓存为了使用数据库表作为缓存后端, 首先在数据库中运行这个命令以创建缓存表:

python manage.py createcachetable [cache_table_name]

这里的[cache_table_name] 是要创建的数据库表名。 ( 这个名字随你的便, 只要它是一个有效的表名, 而且不是已经在您的数据库中使用的表名。) 这个命令以Django 的数据库缓存系统所期望的格式创建一个表。一旦你创建了数据库表, 把你的CACHE_BACKEND 设置为”db://tablename”, 这里的tablename 是数据库表的名字, 在这个例子中, 缓存表名为my_cache_table: 在这个例子中, 高速缓存表的名字是my_cache_table:

CACHE_BACKEND = ‘db://my_cache_table’

数据库缓存后端使用你的settings 文件指定的同一数据库。你不能为你的缓存表使用不同的数据库后端. 如果你已经有了一个快速, 良好的索引数据库服务器, 那么数据库缓存的效果最明显。

文件系统缓存

要把缓存项目放在文件系统上, 请为CACHE_BACKEND 使用”file://“ 的缓存类型。例如, 要把缓存数据存储在/var/tmp/django_cache 上, 请使用此设置:

CACHE_BACKEND = ‘file:///var/tmp/django_cache’

如果你的服务器以用户apache 运行, 确认/var/tmp/django_cache 存在并且用户apache 可以读写/var/tmp/django_cache 目录。

本地内存缓存

如果你想利用内存缓存的速度优势, 但又不能使用Memcached, 可以考虑使用本地存储器缓存后端。此缓存的多进程和线程安全。设置 CACHE_BACKEND 为 locmem:/// 来使用它, 例如:

CACHE_BACKEND = ‘locmem:///’

仿缓存( 供开发时使用)

假如你有一个产品站点, 在许多地方使用高度缓存, 但在开发/ 测试环境中, 你不想缓存, 也不想改变代码, 这就非常有用了。要激活虚拟缓存, 就像这样设置CACHE_BACKEND:

CACHE_BACKEND = ‘dummy:///’

使用自定义缓存后端

要让Django 使用

外部缓存后端, 需要使用一个Python import 路径作为的CACHE_BACKEND URI 的( 第一个冒号前的部分), 像这样:

CACHE_BACKEND = ‘path.to.backend://’

CACHE_BACKEND 参数

站点级 Cache

一旦高速缓存设置, 最简单的方法是使用缓存缓存整个网站。您需要添加’django.middleware.cache.UpdateCacheMiddleware’ 和‘django.middleware.cache.FetchFromCacheMiddleware’ 到您的MIDDLEWARE_CLASSES 设置中, 在这个例子中是:

MIDDLEWARE_CLASSES = (

‘django.middleware.cache.UpdateCacheMiddleware’,

‘django.middleware.common.CommonMiddleware’,

‘django.middleware.cache.FetchFromCacheMiddleware’,

)

视图级缓存

更加颗粒级的缓存框架使用方法是对单个视图的输出进行缓存。 django.views.decorators.cache 定义了一个自动缓存视图响应的cache_page 装饰器。他是很容易使用的:

from django.views.decorators.cache import cache_page

def my_view(request):

# …

my_view = cache_page(my_view, 60 * 15)

在 URLconf 中指定视图缓存

以下是同一个 URLconf , 不过用 cache_page 包裹了 my_view :

from django.views.decorators.cache import cache_page

urlpatterns = (”,

(r’^foo/(/d{1,2})/$’, cache_page(my_view, 60 * 15)),

)

如果采取这种方法, 不要忘记在 URLconf 中导入 cache_page 。

模板碎片缓存

你同样可以使用cache 标签来缓存模板片段。在模板的顶端附近加入{% load cache %} 以通知模板存取缓存标签。模板标签{% cache %} 在给定的时间内缓存了块的内容。它至少需要两个参数: 缓存超时时间( 以秒计) 和指定缓存片段的名称。示例:

{% load cache %}

{% cache 500 sidebar %}

.. sidebar ..

{% endcache %}

有时你可能想缓存基于片段的动态内容的多份拷贝。比如, 你想为上一个例子的每个用户分别缓存侧边栏。这样只需要给{% cache %} 传递额外的参数以标识缓存片段。

{% load cache %}

{% cache 500 sidebar request.user.username %}

.. sidebar for logged in user ..

{% endcache %}

低层次缓存API

比如说, 也许你的站点所包含的一个视图依赖几个费时的查询, 每隔一段时间结果就会发生变化。在这种情况下, 使用站点级缓存或者视图级缓存策略所提供的整页缓存并不是最理想的, 因为你可能不会想对整个结果进行缓存( 因为一些数据经常变化), 但你仍然会想对很少变化的部分进行缓存。

针对这样的情况,Django 提供了简单低级的缓存API 。你可以通过这个API, 以任何你需要的粒度来缓存对象。你可以对所有能够安全进行 pickle 处理的 Python 对象进行缓存: 字符串、字典和模型对象列表等等。 ( 查阅 Python 文档可以了解到更多关于 pickling 的信息。)