Django apima lanksčią spartinimo sistemą (caching framework), palaikančią kelis spartinimo lygius (visus puslapius, rodinių rezultatus, šablono fragmentus arba savavališkus duomenis) ir kelis galinės dalies variantus (atmintį, Redis, Memcached, duomenų bazę). Spartinimas išvengia pasikartojančio brangaus darbo — tai viena iš didžiausią poveikį turinčių našumo optimizavimo priemonių.
CACHES = {
: {
: ,
: ,
}
}
# 1. Per-view caching — cache an entire view's output
from django.views.decorators.cache import cache_page
@cache_page(60 * 15) # cache this view's response for 15 minutes
def article_list(request):
...
<!-- 2. Template fragment caching — cache part of a template -->
{% load cache %}
{% cache 500 sidebar %}
... expensive sidebar rendering ... <!-- cached for 500 seconds -->
{% endcache %}
# 3. Low-level cache API — cache ANY data, full control
from django.core.cache import cache
def get_stats():
stats = cache.get("dashboard_stats") # check cache first
if stats is None: # cache MISS
stats = compute_expensive_stats() # do the work
cache.set("dashboard_stats", stats, 3600) # store for 1 hour
return stats
Django leidžia spartiniu sukuprinimui veikti keliose granuliarumyse: visus puslapius (cache_page), šablono fragmentus ({% cache %}), ir savavališkus duomenis per žemo lygio API (cache.get/cache.set — lankstus gauk-arba-apskaičiuok šablonas). Taip pat yra visos svetainės spartinimas per middleware.
# when underlying data changes, the cache must be updated or cleared, or users see stale data
def update_article(article):
article.save()
cache.delete("article_list") # invalidate affected cache entries
# strategies: TTL (accept brief staleness), explicit deletion on writes, versioned keys,
# or signals to invalidate on model save/delete
Cache invalidation is the classic hard problem: when data changes, stale cached
values must be cleared/refreshed. Approaches: short TTLs (accept some staleness),
explicit cache.delete on writes, or cache versioning/key schemes.
✓ Expensive queries/computations, rendered pages/fragments that change infrequently
✓ Aggregations, external API responses, session data
✗ Highly personalized or rapidly-changing data (or use very short TTLs / vary per user)
✗ Don't cache sensitive data carelessly (consider who can read the cache)
Sprtinimas yra viena iš didžiausią poveikį turinčių Django programų našumo optimizavimo priemonių, o sistemos išsami, daugialygė spartinimo sistema tai pasiekiamą daro — jos supratimas yra vertinga aukštosios lygio žinybos kuriant greitąsias, masteliojamas programas.
Pagrindinė vertė — brangaus darbo kartojimo išvengimas: duomenų bazės užklausos, sudėtingi skaičiavimai, išoriniai API iškvietimai ir šablono atvaizdavimas gali būti spartinti, todėl tolesnius prašymus galima greitai aptarnauti, dramatiškai sumažinant latentiškumą ir duomenų bazės / serverio apkrovą.
Django lanksčios galimybės daugeliui spartinimo lygių (cache_page skirtas visam puslapiui, {% cache %} šablono fragmentams, ir savavališkems duomenims per žemo lygio API gauk-arba-apskaičiuok šabloną) leidžia spartiniu tiksliai reikalingame granuliarume kiekvienai situacijai, o jos prijungiamos galinės dalys (ypač Redis bendram spartinimui visame keliuose serveriuose — svarbu, nes pagal procesą vidinė atmintis nėra dalijama, kai horizontaliai masteliojama) tinka įvairiems diegimo poreikiams.
Žinoti, kaip konfigūruoti spartinimą, pasirinkti atitinkamą lygį, ir pasirinkti tinkamą galinę dalį diegimui — tai praktinė, dažnai reikalinga žinybos.
Ne mažiau svarbu suprasti spartinimo pagrindinį sunkumą — invalidavimas (pagarsėjusi sunkiai sprendžiama problema dėl spartinto duomenų trynimo ar atnaujinimo, kai pagrindiniai duomenys pasikeičia, naudojant TTLs, aiškų trynimą rašymuose, arba raktų versijojimą, siekiant išvengti pasenusių duomenų teikimo) — nes klaida čia yra klasikinis spartinimo nepavydimas, kuris rodo naudotojams pasenusią informaciją.
Be to, žinoti ką spartiniu (brangus, retai keičiami duomenys) prieš ką ne (itin dinaminiai arba jautrūs duomenys) yra raktas efektyviam spartinimui.
Badel to, kad spartinimas suteikia didžius našumo pokyčius, tačiau reikalauja atidaus invalidavimo, Django spartinimo sistemos įvaldymas — lygiai, galinės dalys, ir ypač invalidavimo strategijos — yra svarbi žinybos, skirta greitoms, masteliojamoms programoms kurti, ir tai yra savybė, kurią turi programuotojai, sugebantys greitinti Django programas realiai apkrovoje.