如何優(yōu)雅地改進(jìn)Django中的模板碎片緩存詳解
前言
本文主頁給大家介紹了關(guān)于如何改進(jìn)Django中模板碎片緩存的相關(guān)內(nèi)容,關(guān)于Django模板碎片緩存大家可以先看看這篇文章,下面話不多說了,來一起看看詳細(xì)的介紹吧
起步
Django 的緩存體系提供了模板片段緩存:
{% load cache %} {% cache 500 sidebar %} .. sidebar .. {% endcache %}
但使用這個模板緩存還是需要每次都把需要的變量 sidebar 傳給模板,不然當(dāng)緩存過期時碎片是空白的。于是就需要的視圖中獲取這些數(shù)據(jù):
def test_view(request): # code... sidebar = get_data() return render(reqeust, 'test_view.html', {'sidebar': sidebar})
如果這個數(shù)據(jù)獲取的過程比較耗時,那么這個碎片緩存形同虛設(shè)。
低級緩存
使用低級緩存能解決數(shù)據(jù)獲取耗時問題:
from django.core.cache import cache def get_data(): key = 'hot-course' result = cache.get(key) if result: return result # 比較耗時的數(shù)據(jù)獲取 result = Course.objects.filter().order_by('-fav_num')[:10] cache.set(key, result, 600) # 保存至緩存 return result
這樣一般就能解決數(shù)據(jù)來源耗時問題,一般用了這個方式就不會再用模板碎片緩存了,不然內(nèi)存中就有兩個緩存了,一個是原始數(shù)據(jù),另一個是渲染成 html 代碼的結(jié)果。有點(diǎn)多余,內(nèi)存寶貴應(yīng)該用于刀刃上,而且兩個緩存的方式極不優(yōu)雅。
使用這種底層 api 后,還是需要把數(shù)據(jù)傳遞到視圖層,如果是公共部分的如輪播部分的視圖,是會被其他模板 include 的,那就需要其他視圖函數(shù)也都獲取一次數(shù)據(jù),再傳遞到模板層。重復(fù)的代碼會很多。
有沒有一種好的辦法解決這種情況呢?
優(yōu)雅的改進(jìn)碎片緩存
改進(jìn)的碎片緩存需要能按需獲取,最好不需要視圖層的參與。這個要求可以通過標(biāo)簽來實(shí)現(xiàn),我們來自己實(shí)現(xiàn)一下這個緩存標(biāo)簽,在此之前呢,需要做個通用的緩存工具,能夠傳入數(shù)據(jù)獲取的函數(shù)來做回調(diào),這部分其實(shí)和 Django 的 django.templatetags.CacheNode 類基本一樣。我這邊就寫與其不一樣的地方:
class UserCacheNode(Node): """ 優(yōu)雅的自定義模板碎片緩存 """ def __init__(self, nodelist, expire_time_var, fragment_name, vary_on, cache_name, fun=None): # ... self.fun = fun # 用于數(shù)據(jù)獲取的回調(diào)函數(shù) def render(self, context:dict): # ... if value is None: if self.fun: # 實(shí)行回調(diào) context.update(self.fun(*vary_on)) value = self.nodelist.render(context) fragment_cache.set(cache_key, value, expire_time) # 保存至緩存 return value
然后是制作自定義標(biāo)簽:
def get_hot_course(): # 做會調(diào)用,函數(shù)返回字典 print("call hot course") hot_courses = Course.objects.filter().order_by('stu_nums')[:5] return locals() @register.tag('hot_course_cache') # 自定義的標(biāo)簽名稱 def hot_course_cache(parser, token): nodelist = parser.parse(('endcache',)) parser.delete_first_token() tokens = token.split_contents() cache_name = None return UserCacheNode( nodelist, parser.compile_filter(tokens[1]), tokens[2], # fragment_name can't be a variable. [parser.compile_filter(t) for t in tokens[3:]], cache_name, fun=get_hot_course, # 回調(diào)函數(shù) )
然后在模板中就可以這么使用:
{% load course_tag %} {% hot_course_cache 500 hot_courses %} ...hot_courses... {% endcache %}
通過用自定義標(biāo)簽的方式,就無需視圖層的參與了,緩存標(biāo)簽的使用方式也和體系中的 cache 相似,由于是自定義的標(biāo)簽,一些 IDE 會有一些警告,比如我的開發(fā)環(huán)境:
運(yùn)行上是沒問題的,IDE 可能對這類自定義標(biāo)簽的支持度不是很好吧。
參考
Custom template tags and filters
總結(jié)
以上就是這篇文章的全部內(nèi)容了,希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,如果有疑問大家可以留言交流,謝謝大家對腳本之家的支持。
相關(guān)文章
安裝并免費(fèi)使用Pycharm專業(yè)版(學(xué)生/教師)
這篇文章主要介紹了安裝并免費(fèi)使用Pycharm專業(yè)版(學(xué)生/教師),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09Python實(shí)戰(zhàn)基礎(chǔ)之繪制餅狀圖分析商品庫存
餅狀圖(pie chart)一般用于描述分類型數(shù)據(jù)的相對頻數(shù)或百分?jǐn)?shù)頻數(shù)分布,呈現(xiàn)部分與總體的關(guān)系,下面這篇文章主要給大家介紹了關(guān)于Python實(shí)戰(zhàn)基礎(chǔ)之繪制餅狀圖分析商品庫存的相關(guān)資料,需要的朋友可以參考下2022-07-07基于PyTorch實(shí)現(xiàn)一個簡單的CNN圖像分類器
本文記錄了一個簡單的基于pytorch的圖像多分類器模型構(gòu)造過程,參考自Pytorch官方文檔、磐創(chuàng)團(tuán)隊(duì)的《PyTorch官方教程中文版》以及余霆嵩的《PyTorch 模型訓(xùn)練實(shí)用教程》。從加載數(shù)據(jù)集開始,包括了模型設(shè)計(jì)、訓(xùn)練、測試等過程。2021-05-05