小编给大家分享一下如何使用fastcache，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

成都创新互联主营武侯网站建设的网络公司,主营网站建设方案,重庆APP开发,武侯h5成都微信小程序搭建,武侯网站营销推广欢迎武侯等地区企业咨询

VnTrader 2.0版本有不少提速措施，其中lru_cache是提高回测速度一个利器，让我用1.92为主的我很是羡慕。看说这个是python 3.5.2提供的功能，也就没多想。

最近才发现其实有第三方在也支持python 2.7的版本，比如 functools32。还有一个用 C 语言实现的，更快的，同时兼容 Python2 和 Python3 的第三方模块 fastcache 能够实现同样的功能，这里就用fastcache。

安装

很简单，pip直接安装就可以。

pip install fastcache --upgrade

测试是否正确安装

import fastcache
fastcache.test()

简单使用

• 不用cache时候，运行时间 0.7994769 秒

  from fastcache import clru_cache
  def fib(n):
    if n < 2:
        return n
    return fib(n - 2) + fib(n - 1)
  import time
  dt0 = time.clock()
  for i in range(30):
    fib(i)
  spreadtime = (time.clock() - dt0)
  print ("运行时间 %s 秒" %spreadtime)

• 使用后，运行时间 0.000185200000004 秒

  @clru_cache(maxsize=999)
  def fib_cache(n):
    if n < 2:
        return n
    return fib_cache(n - 2) + fib_cache(n - 1)
  import time
  dt1 = time.clock()
  for i in range(30):
    fib_cache(i)
  spreadtime = (time.clock() - dt1)
  print ("运行时间 %s 秒" %spreadtime)

使用clru_cache, 更新trader/app/ctaStrategy/ctaBacktesting.py, 让回测历史数据缓存到内存，不用反复读取

• 通常只在静态方法使用lru_cache，这样才具有意义, 虽然在类方法中也可以使用，但是这样一个是有不同实例一般无法复用，而且会使得过期实例无法垃圾回收。这里新建一个静态方法load_data，负责读取数据库数据。

@clru_cache(maxsize=9999)
def load_data(dbName, symbol, dataStartDate, strategyStartDate, dataEndDate, dataClass):
    dbClient = pymongo.MongoClient(globalSetting['mongoHost'], globalSetting['mongoPort'])
    collection = dbClient[dbName][symbol]
    # 载入初始化需要用的数据
    flt = {'datetime': {'$gte': dataStartDate,
                        '$lt': strategyStartDate}}
    initCursor = collection.find(flt).sort('datetime')
    initData = []  # 清空initData列表
    for d in initCursor:
        data = dataClass()
        data.__dict__ = d
        initData.append(data)
    # 载入回测数据
    if not dataEndDate:
        flt = {'datetime': {'$gte': strategyStartDate}}  # 数据过滤条件
    else:
        flt = {'datetime': {'$gte': strategyStartDate,
                            '$lte': dataEndDate}}
    BackData = []
    dbCursor = collection.find(flt).sort('datetime')
    for dc in dbCursor:
        data = dataClass()
        data.__dict__ = dc
        BackData.append(data)
    count = len(initData) + len(BackData)
    return initData, BackData, count

• 修改已有方法BacktestingEngine.loadHistoryData; 改为使用刚刚创建静态方法

    def loadHistoryData(self):
        """载入历史数据"""
        self.output(u'开始载入数据')
        # 首先根据回测模式，确认要使用的数据类
        # load_data(dbName, symbol, dataStartDate, strategyStartDate, dataEndDate, dataClass)
        if self.mode == self.BAR_MODE:
            dataClass = VtBarData
            func = self.newBar
            self.initData,self.BackTestData, count = load_data(self.dbName,self.symbol, self.dataStartDate, self.strategyStartDate, self.dataEndDate, dataClass)
        else:
            dataClass = VtTickData
            func = self.newTick
            self.initData, self.BackTestData, count = load_data(self.dbName, self.symbol, self.dataStartDate, self.strategyStartDate, self.dataEndDate, dataClass)
        # 载入初始化需要用的数据
        if self.hdsClient:
            initCursor = self.hdsClient.loadHistoryData(self.dbName,
                                                        self.symbol,
                                                        self.dataStartDate,
                                                        self.strategyStartDate)
            # 将数据从查询指针中读取出，并生成列表
            self.initData = []  # 清空initData列表
            for d in initCursor:
                data = dataClass()
                data.__dict__ = d
                self.initData.append(data)
            # 载入回测数据
            self.dbCursor = self.hdsClient.loadHistoryData(self.dbName,
                                                           self.symbol,
                                                           self.strategyStartDate,
                                                           self.dataEndDate)
            for dc in self.dbCursor:
                data = dataClass()
                data.__dict__ = dc
                self.BackTestData.append(data)
        self.output(u'载入完成，数据量：%s' % count)

• 修改 BacktestingEngine.runBacktesting; 改为使用换成的BackTestData 队列，而不是数据库指针。

    def runBacktesting(self):
        """运行回测"""
        # 载入历史数据
        self.loadHistoryData()
        # 首先根据回测模式，确认要使用的数据类
        if self.mode == self.BAR_MODE:
            dataClass = VtBarData
            func = self.newBar
        else:
            dataClass = VtTickData
            func = self.newTick
        self.output(u'开始回测')
        self.strategy.onInit()
        self.strategy.inited = True
        self.output(u'策略初始化完成')
        self.strategy.trading = True
        self.strategy.onStart()
        self.output(u'策略启动完成')
        self.output(u'开始回放数据')
        for d in self.BackTestData:
            func(d)
        self.output(u'数据回放结束')

没有使用之前，优化约为100组参数约为运行时间 323.0888239 秒，使用cache优化后运行时间 190.762839 秒

以上是“如何使用fastcache”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！

分享题目：如何使用fastcache
分享链接：http://kswjz.com/article/gdjeoe.html