Cachified使用教程

Cachified使用教程

cachified🤑 wrap virtually everything that can store by key to act as cache with ttl/max-age, stale-while-validate, parallel fetch protection and type-safety support项目地址:https://gitcode.com/gh_mirrors/ca/cachified

项目介绍

Cachified 是一个简洁的API库,旨在加速应用程序运行,通过缓存值来提升性能。它设计灵活,支持多种常见缓存适配器,确保缓存能够自动清理过期数据。目前,Cachified 提供了对Redis、Redis-JSON以及Cloudflare KV的支持。这使得开发者可以轻松集成强大而高效的缓存机制到他们的应用中,无论是处理复杂的数据库查询还是频繁的外部API调用。

项目快速启动

为了快速上手Cachified,首先确保你的环境中安装了Node.js。之后,可以通过npm或yarn来添加Cachified到你的项目中:

npm install --save @epic-web/cachified
# 或者,如果你偏好Yarn:
yarn add @epic-web/cachified

接下来,实现一个简单的缓存用户信息的例子:

import { cachified } from '@epic-web/cachified';

const cache = new Map();

async function getUserById(userId) {
    return cachified({
        ttl: 120_000,       // 缓存有效期两分钟
        staleWhileRevalidate: 300_000, // 允许缓存数据在五分钟内“变旧”但仍可被使用,同时后台更新缓存
        cacheKey: `user-${userId}`,
        async getFreshValue() {
            const response = await fetch(`https://jsonplaceholder.typicode.com/users/${userId}`);
            return response.json();
        },
    });
}

// 使用示例
(async () => {
    console.log(await getUserById(1)); // 首次调用将请求网络数据并缓存结果
})();

这段代码展示了一个基本的缓存逻辑,其中用户的ID作为键值,缓存其相关信息,过期时间为两分钟。在缓存过期后的五分钟窗口期内,即使数据已不新鲜,也能立即返回旧数据,同时后台异步更新缓存。

应用案例和最佳实践

异步数据获取优化

在构建需要频繁访问慢速服务的应用时(比如远程API、数据库查询),Cachified通过Stale While Revalidate模式确保用户体验流畅,即便数据暂时不是最新的。利用这种方法,首次加载数据时,应用仍然保持响应性,后续访问则优先提供缓存数据,同时在后台刷新数据。

软清除策略

Cachified提供了软清除功能,允许数据在一定时间内依然可用,但不会被立即移除。这对于实现平滑的数据过渡非常有用,例如:

import { cachified, softPurge } from '@epic-web/cachified';

// ... 初始化cache和getUserById函数 ...

// 当需要更新某条数据但又不想影响当前使用者时
await softPurge({ cacheKey: 'user-1' });

// 即使之后立刻访问该数据,仍会返回之前缓存的内容,但在后台会发起新的请求以更新缓存。

典型生态项目

虽然直接提及的特定生态项目较少,Cachified因其通用性和适应性,广泛适用于任何需要缓存策略的Node.js应用程序。特别是在微服务架构、基于API的web应用或是需要高效处理重复数据请求的场景下,Cachified都能发挥关键作用。结合现有的缓存服务(如Redis、Cloudflare KV等),开发者可以构建出高性能、低延迟的应用环境。


以上就是Cachified的基本使用教程,希望可以帮助您有效利用此工具提升应用性能。记得,良好地设计缓存策略对于任何追求效率的项目都是至关重要的。

cachified🤑 wrap virtually everything that can store by key to act as cache with ttl/max-age, stale-while-validate, parallel fetch protection and type-safety support项目地址:https://gitcode.com/gh_mirrors/ca/cachified

  • 8
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

束葵顺

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值