معرفی شرکت ها
devcache-1.0.2
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
Provides caching decorator to help speedup development
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | devcache-1.0.2 |
| نام | devcache |
| نسخه کتابخانه | 1.0.2 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Patrick Cauthorn |
| ایمیل نویسنده | patrick.cauthorn@gmail.com |
| آدرس صفحه اصلی | https://github.com/pcauthorn/devcache |
| آدرس اینترنتی | https://pypi.org/project/devcache/ |
| مجوز | MIT |
# devcache
A configurable decorator allows methods to return persistently stored data from a cache instead of a normal call.
The use case is to speed up development by caching data from long-running methods
### Installation
``pip install devcache``
**Situation**
You're working on a project that syncs data from a Database to a CRM.
```Python
def get_crm_data(): # Takes multiple minutes
...
def get_db_data(): # Takes multiple minutes
...
def compare_and_report():
crm_data = get_crm_data()
db_data = get_db_data()
...
diff = ...
result = save_data(diff)
...
send_report(report)
def save_data(data): # Takes more than a minute
...
```
As you are trying to improve ``compare_and_report`` it takes 5 minutes for everytime you run.
A possible solution would be to use ``devcache``, like so:
#### Decorate appropriate methods
```Python
@devcache(group='crm')
def get_crm_data(): # Takes multiple minutes
...
@devcache(group='db')
def get_db_data(): # Takes multiple minutes
...
@devcache(group='save')
def save_data(data): # Takes more than a minute
...
```
#### Create a config at ~/.devcache/devcache.yaml
```yaml
props:
1:
group: crm
use_cache: true
2:
group: db
use_cache: true
3:
group: save
use_cache: true
```
Now the methods will pull data from the cache as ``use_cache`` is ``true``. If a change was required to any saved data set the `use_cache` to ``false`` and data will be generated and stored fresh in the cache.
Now using the cache each testing iteration takes seconds instead of minutes.
### Other useful configuration
```yaml
refresh: true # refresh true will ignore use_cache and refresh all cached data
enabled: false # will disable everything and will not save new values to cache
props:
1:
group: crm
use_cache: false
2:
group: db
use_cache: true
3:
group: save
use_cache: true
-1: # first props match is used.
# ordering is by the key (ie -1, 1 ,2 ,3)
# 'group' is optional
pattern: '.*sfdc.*' # matches fully qualified name of the method.
# this pattern would match everything in a module called sfdc
use_cache: true
enabled: true # Can turn off props with enabled. Will allow for other props to potentially match
```
### Other devcache args
```Python
# devcache defaults to not take into account the args
@devcache(group='crm', key_args=('a', ))
def my_method(a, b, c): # Will cache result using only arg 'a' value as part of the key
...
@devcache(group='crm', ignore_key_args=('c', ))
def another_method(a, b, c): # Will cache result using arg 'a', 'b' value as part of the key ignoring 'c'
...
@devcache(config_file='../alternate.yaml')
def method3(a, b, c): # specify another configuration
...
```
### Important Warning
This project is only useful to speed up development and is a security risk.
Best practice would be to not include ``devcache`` in project requirements for production and only installing it locally.
Creating project specific decorator will allow for functionality to work in the desired env and not break the other.
For example:
```Python
def cacher(config_file=None, group=None, key_args=None, ignore_key_args=None):
def noop_decorator(func):
return func # pass through
try:
from devcache import devcache
return devcache(config_file=config_file, group=group, key_args=key_args, ignore_key_args=ignore_key_args)
except:
return noop_decorator
```
Using ``@cacher`` decorator would have use a pass through decorator for prod but use ``devcache`` where it's installed.
نیازمندی
| مقدار | نام |
|---|---|
| - | pyYAML |
| - | setuptools |
نحوه نصب
نصب پکیج whl devcache-1.0.2:
pip install devcache-1.0.2.whl
نصب پکیج tar.gz devcache-1.0.2:
pip install devcache-1.0.2.tar.gz