您当前的位置:首页 > IT编程 > python
| C语言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 学术与代码 | cnn卷积神经网络 | gnn | 图像修复 | Keras | 数据集 | Neo4j | 自然语言处理 | 深度学习 | 医学CAD | 医学影像 | 超参数 | pointnet | pytorch | 异常检测 | Transformers | 情感分类 | 知识图谱 |

自学教程:Python import模块的缓存问题解决方案

51自学网 2021-10-30 22:33:32
  python
这篇教程Python import模块的缓存问题解决方案写得很实用,希望能帮到您。

在使用django开发的平台中,支持用户自定义函数,但是每次用户进行修改编辑后,该模块内容已更改,然后重新导入该模块,但是Python 会认为“我已经导入了该模块,不需要再次读取该文件”,所以更改将无效。

因此,每次更改文件的内容时,都必须退出并重新启动Django。

使用python开发后台服务程序的时候,每次修改代码之后都需要重启服务才能生效比较麻烦

要解决这个问题,有以下几种方式:

最简单、最有效的方法:重新启动 Django。但是,这也有缺点,特别是丢失了 django名称空间中存在的数据以及其他导入模块中的数据。

对于简单的情况,可以使用 Python 的​reload()​函数。在许多情况下,在编辑一个模块之后使用

​reload()​函数就足够满足需求。

这里主要是介绍第二种方式:

​reload()​是 Python 提供的内置函数,在不同的 Python 版本中有不同的表现形式:

在 Python 2.x 中,reload()是内置函数。

在 Python 3.0 - 3.3 中,可以使用imp.reload(module)

在 Python 3.4 中,imp 已经被废弃,取而代之的是importlib

Python2.7可以直接用reload():

python2 内置函数reload(module)

Python3可以用下面几种方法:

方法一:基本方法

from imp import reloadreload(module)

方法二:

import impimp.reload(module)

方法三:

import importlibimportlib.reload(module)

方法四:

from importlib import reloadreload(module)

说明:

module 必须是已经成功导入的模块

模块被加载到内存以后,更改文件内容,已经运行的程序不会生效的,可通过reload重新加载。

导入是一个开销很大的操作。

python中缓存模块的一些用法

一.问题描述

有时候可能需要缓存一些 成员方法的值, 可能成员方法的计算比较耗时,有时候不希望重复调用计算该值, 这个时候就可以缓存该值.

查了一下标准库 有 functools.lru_cache 有一个 lru_cache 可以缓存成员函数的值,

#!/usr/bin/env python3# -*- coding: UTF-8 -*-"""@author: Frank @contact: frank.chang@shoufuyou.com@file: test_lru_cache.py@time: 2018/9/8 下午8:55"""import timefrom functools import lru_cacheclass Model:    @lru_cache(maxsize=10)    def calculate(self, number):        print(f'calculate({number}) is  running,', end=' ')        print('sleep  3s  ')        time.sleep(3)        return number * 3if __name__ == '__main__':    model = Model()    for i in range(5):        print(model.calculate(i))    for i in range(5):        print(model.calculate(i))

结果如下:

calculate(0) is  running, sleep  3s 
0
calculate(1) is  running, sleep  3s 
3
calculate(2) is  running, sleep  3s 
6
calculate(3) is  running, sleep  3s 
9
calculate(4) is  running, sleep  3s 
12
0
3
6
9
12

从结果开出来, 第二次计算的时候 , 就没有计算 而是通过缓存取值, 所以成员方法只计算了一次.

lru_cache 可以指定 max_size 缓存的大小, typed bool 如果为True, 代表不同类型分别缓存. 如果达到max_size 淘汰策略是LRU, LRU是Least Recently Used的缩写,即最近最少使用,常用于页面置换算法.

二 第三方的模块

第三方的模块cachetools 已经提供了很多缓存策略,直接拿来用一下.

来看下面的例子.

1 来看一个缓存成员方法例子

#!/usr/bin/env python3# -*- coding: UTF-8 -*-"""@author: Frank @contact: frank.chang@shoufuyou.com@file: test_cache.py@time: 2018/9/8 下午12:59pip install cachetoolshttps://docs.python.org/3/library/operator.html缓存成员方法的值 cachetools  已经实现好了, 直接用就可以了. """from operator import attrgetterimport timefrom cachetools import LRUCache,RRCache , cachedmethodclass Model:    def __init__(self, cachesize):        self.cache = LRUCache(maxsize=cachesize)    @cachedmethod(attrgetter('cache'))    def get_double_num(self, num):        """ return  2* num"""        print(f'get_double_num({num})  is running')        time.sleep(2)        return num * 2model = Model(cachesize=10)print(model.get_double_num(10))print(model.get_double_num(10))print(model.get_double_num(10))print(model.get_double_num(10))print(model.get_double_num(10))print(model.get_double_num(10))

结果如下:

get_double_num(10)  is running
20
20
20
20
20
20
Process finished with exit code 0

可以看出, 值计算一次 函数,第二次走的是缓存. 非常好用. 在初始化方法里面构造一个缓存对象, 之后用 cachedmethod 修饰成员函数,同时 用attrgetter(‘cache') 把cache 拿到就可以用了.

实际上 cachetools 实现了很多缓存策略,具体缓存策略可以参考下面的链接.

'Cache', 'LFUCache','LRUCache','RRCache', 'TTLCache',

‘cached', ‘cachedmethod' 这两个分别用来修饰 函数和成员方法的.

2 来看一个 缓存函数

# 缓存 函数的值from cachetools import cached@cached(cache={})def fib(n):    print((f'fib({n}) is  running.'))    return n if n < 2 else fib(n - 1) + fib(n - 2)for i in range(20):    print('fib(%d) = %d' % (i, fib(i)))
@cached(cache={})def fun(n):    print(f'fun({n}) is runnnig.')    time.sleep(3)    return n ** 2if __name__ == '__main__':    for _ in range(5):        print(fun(4))

如果cache = None , 表示不缓存,该计算结果.

结果如下:

fun(4) is runnnig.
16
16
16
16
16

直接导入 cached 里面 传入一个字典就可以了,用起来也比较方便.

实现分析:

缓存思路大致是一样的, 首先先把参数hash 一下生成一个key, 然后看key 是否在自己的缓存里,不在就计算方法(函数),之后把key和对应value 放到自己的子弟那里面. 如果下一次计算该值,生成一个key 看是否在 自己的字典里面,如果在直接返回即可. 当然这是基本的思路, 里面还有用到 缓存淘汰策略, 多线程是否要加锁,等比较复杂的问题.

以上为个人经验,希望能给大家一个参考,也希望大家多多支持51zixue.net。


关于Python的pymouse click 双击的问题
python之np.argmax()及对axis=0或者1的理解
万事OK自学网:51自学网_软件自学网_CAD自学网自学excel、自学PS、自学CAD、自学C语言、自学css3实例,是一个通过网络自主学习工作技能的自学平台,网友喜欢的软件自学网站。