Python é uma linguagem de programação de código aberto, digitada dinamicamente e de plataforma cruzada. Suas estruturas de dados integradas de alto nível com vinculação e digitação dinâmicas o tornam atraente para Desenvolvimento de Aplicação Rápida. Também é usado como a principal linguagem de script para automatizar tarefas e realizar análises de dados.
NCache é um cache distribuído na memória, linearmente escalável, que armazena dados para melhor desempenho e maior escalabilidade. É um cache .NET nativo que faz maravilhas quando se trata de acesso rápido a dados para melhorar o desempenho do seu aplicativo e oferece APIs do lado do cliente para uma infinidade de idiomas, sendo o Python um deles. O cliente Python pode ser usado com NCache e inclui vários recursos, como operações básicas, técnicas de expiração de dados, bloqueio, E muito mais.
NCache Adicionar ao carrinho Baixar NCache NCache API do lado do cliente
Por que usar Python com NCache?
NCache, juntamente com seus vastos recursos e recursos de armazenamento em cache aprimorados, oferece opções flexíveis para você usar com o Python. NCache aprimorará seus aplicativos Python das seguintes maneiras:
- Performance melhorada: Os dados são armazenados em um cache na memória, proporcionando desempenho máximo e tempos de resposta mais rápidos.
- Confiabilidade: Se um servidor de aplicativos cair ou de alguma forma os dados forem perdidos, NCache fornece confiabilidade com a ajuda da replicação de dados.
- Escalabilidade: NCache fornece escalabilidade linear permitindo que você adicione mais servidores de cache quando a carga da transação aumentar. Por exemplo, ao usar seu aplicativo Python, você pode adicionar instantaneamente um novo servidor de cache dependendo da situação e continuar atendendo a mais solicitações sem precisar interromper seu aplicativo.
- Alta disponibilidade e tolerância a falhas: Quando usado no contexto de um web farm, NCache fornece melhor tolerância a falhas mantendo os dados disponíveis em todos os nós do servidor em um cache clusterizado sem um único ponto de falha.
- Topologias de cluster: NCache oferece diferentes topologias de cache para tornar seus aplicativos Python mais confiáveis e escaláveis. Por exemplo, Topologia replicada fornece balanceamento de carga para que seu aplicativo possa lidar com tráfego intenso e Topologia de réplica particionada fornece maior confiabilidade e escalabilidade para transações mais rápidas.
Cliente Python com NCache
NCache Adicionar ao carrinho NCacheCapacidades essenciais do NCache Arquitetura
Cliente Python com NCache
O cliente requer uma versão Python superior ou igual a 3.5 instalada para usá-lo com NCache. As etapas a seguir incluem um guia detalhado sobre como começar a usar o cliente Python:
Etapa 1: Instalando NCache
O primeiro passo é instalar NCache em seu ambiente de desenvolvimento, NCache suporta instalação em Linux e Windows. Além disso NCache oferece três versões, Enterprise, Professional e Open-Source. Você pode conferir o comparação detalhada das três versões, para escolher a versão que mais lhe convém.
Você pode consultar o oficial Guia de instalação, para obter orientação passo a passo sobre como instalar NCache. Feito isso, você pode passar para a próxima etapa.
Etapa 2: criar um cache clusterizado
A próxima etapa é criar um cache clusterizado. Dependendo de seus requisitos, você pode optar por adicionar quantos nós desejar. No entanto, para fins de demonstração, recomendamos uma configuração de dois nós, mas uma configuração de nó único também será suficiente, mas sem as qualidades de replicação de dados de NCache.
NCache oferece várias topologias e opções de configuração de cache, que variam de acordo com a versão do NCache você está usando. Você pode conferir a documentação oficial para criando um cache clusterizado. Depois de criar o cache com sucesso, certifique-se de iniciar o cache, e então você estará no caminho certo para iniciar o aspecto de codificação real deste blog.
Etapa 3: configurando o cliente Python com NCache
A primeira coisa a fazer é buscar o pacote Python chamado ncache-client via pip se você estiver usando a edição Enterprise do NCache. O comando para instalar o pacote é dado abaixo. Este pacote instala todas as bibliotecas de cliente necessárias para seu aplicativo Python:
|
1 |
pip install ncache-client |
E se você estiver usando a edição Professional do NCache, então você precisará instalar o seguinte pacote:
|
1 |
pip install ncache-professional-client |
Em seguida, inclua o seguinte módulo em seu aplicativo Python:
|
1 |
from ncache.client.cache import cache |
Agora precisamos nos conectar ao cache. Para isso você só precisa saber o nome do cache, o resto será tratado pelo cliente. Em seguida, inclua o seguinte módulo em seu aplicativo Python:
|
1 2 3 4 |
try: cache = ncache.CacheManager.get_cache(“myCache”) except Exception as exp: # handle any exceptions |
E é isso. Você se conectou com sucesso ao cache e seu aplicativo Python está pronto para ser usado com NCache. A seguir, veremos alguns códigos de exemplo, para mostrar alguns recursos básicos do NCache.
NCache Adicionar ao carrinho Operações do lado do cliente Documentos do NCahce
Algumas Operações Básicas
O código abaixo mostra como você pode adicionar, obter e remover um objeto de NCache. Os dados podem ser um único item ou vários itens e podem ser inseridos, atualizados ou removidos do cache de forma síncrona ou assíncrona.
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
try: # Pre-condition: Cache is already connected # Get product from database against given product ID product = fetch_product_from_db() # Generate a unique cache key for this product key = "Product:" + product.get_product_id() # Add Product object to cache version = cache.add(key, product) # Get item against key from cache in given Class type retrieved_item = cache.get(key, Product) # Remove specified item item_removed = cache.remove(key, Product) except Exception as exp: # Handle errors |
Pesquisando dados em cache
NCache fornece a capacidade de pesquisar dados em cache por meio de tags nomeadas, grupos, assim como Consultas do tipo SQL. Você pode associar várias palavras-chave com itens de cache em NCache e estes atuarão como marcadores de identificação para itens de cache. Os dados podem ser recuperados com base nessas palavras-chave por meio de tags. Para o nível avançado de marcação em que você precisa consultar dados relacionados a uma tag específica, você precisa de tags nomeadas.
Os dados em cache podem ser indexado e, em seguida, consultado usando seu Mecanismo semelhante ao SQL. Ele permite pesquisar chaves que atendam aos critérios fornecidos e, em seguida, retornar as chaves ao conjunto de resultados. Itens em um cache que tenham relação entre eles ou que se enquadrem na mesma categoria podem ser agrupados usando NCache Função “Grupo”. Os grupos podem particionar logicamente os dados para melhor eficiência.
O exemplo a seguir adiciona um CacheItem contendo o objeto 'cliente' ao cache usando o método Insert. Em seguida, ele define uma propriedade de tag adicional adicionando tags.
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
try: # Get customer from database customer = fetch_customer_from_db("ALFKI") # Create a unique cache key for this customer. key = "Customers:" + customer.get_customer_id() # Specify tags tags = [ ncache.Tag("East Coast Customers"), ncache.Tag("Important Customers") ] # Create a new CacheItem cache_item = ncache.CacheItem(customer) # Setting the tag property of the cacheItem cache_item.set_tags(tags) # Add customer object to cache version = cache.add(key, cache_item) except Exception as exp: # Handle errors |
Conclusão
NCache pode ser facilmente e perfeitamente integrado em seus aplicativos Python existentes e com apenas alguns passos você também pode experimentar a extrema velocidade e confiabilidade de NCache, além de fornecer escalabilidade. Para começar com tudo isso, baixe NCache agora!
NCache Adicionar ao carrinho Baixar NCache Comparação de edições