Introduction à Memcached avec Python

Memcached est un système de mise en cache distribué très performant. Il s'agit d'un magasin de données clé-valeur en mémoire, ce qui en fait un type de base de données NoSQL . Memcached est utilisé par des géants de la technologie comme Facebook, Twitter, Instagram et Netflix. Dans mon article précédent, j'ai expliqué Redis qui est un autre magasin de données clé-valeur en mémoire qui peut être utilisé à des fins de mise en cache. Cet article explique comment se connecter et utiliser Memcached en python.

Installer Memcached sous Windows

Memcached n'est pas officiellement pris en charge sur Windows. Cependant, vous pouvez l'installer en configurant le sous-système Windows pour Linux 2 et en le configurant. Alternativement, vous pouvez exécuter Memcached sur un conteneur à l'aide de Docker, que je couvrirai dans cet article. La première étape consiste à installer Docker sur votre machine Windows. Vous pouvez télécharger Docker Desktop à partir d' ici . Le processus d'installation est assez simple et direct. Maintenant que nous avons Docker sur notre machine, entrez la commande suivante dans une invite de commande pour récupérer l'image Redis à partir de Docker Hub, qui peut être utilisée pour créer et exécuter un conteneur.

docker pull memcached

Une fois cela fait, la troisième étape consiste à démarrer un conteneur en utilisant l'image Memcached que nous avons téléchargée précédemment.

Ici, cliquez sur le bouton 'RUN'.

Bootcamp immersif en science des données

Un programme qui vous forme à devenir un scientifique des données prêt pour l'industrie en 240 jours Réservez vos places !

Félicitations, vous avez maintenant démarré avec succès le serveur Redis sur votre machine.

Installation de Pymemcache

Pour se connecter et utiliser Memcached en python, nous utiliserons un module python appelé pymemcache. Il peut être installé en exécutant la commande suivante dans l'invite de commande.

pip install pymemcache

Maintenant que tout est prêt, mettons les mains dans le cambouis et plongeons dans la partie programmation.

Utilisation de Pymemcache

Avant d'effectuer toute opération CRUD, nous devons d'abord nous connecter au serveur Memcached. Allons-y et connectons-nous à notre serveur Memcached.

from pymemcache.client import baseclient = base.Client(('localhost', 11211))

Maintenant que nous nous sommes connectés avec succès au serveur Memcached, commençons à effectuer des opérations CRUD simples.

Pour définir une paire clé-valeur, nous pouvons utiliser soit la fonction "set" ou la fonction "add" qui accepte la clé et la valeur comme paramètre. Veuillez noter que la clé doit toujours être de type chaîne de données ou octets.

client.set('hello', 'world')

Pour obtenir la valeur d'une clé stockée dans le serveur Memcached, nous pouvons utiliser la fonction "get" qui accepte le nom de la clé comme paramètre. La réponse est toujours en octets et, par conséquent, la réponse doit être décodée manuellement en chaîne, ce qui est assez facile.

client.get('hello') # this always returns bytesb'world'

Pour convertir des octets en chaîne, nous pouvons simplement décoder les octets au format 'UTF-8'.

client.get('hello').decode("utf-8") # convert bytes to string'world'

Par défaut, les données stockées n'expirent pas. Étant donné que Memcached est un magasin de données en mémoire, le stockage est limité et les données peuvent être vidées en raison d'une mémoire insuffisante. Nous pouvons définir l'expiration d'une paire clé-valeur à l'aide de la fonction "add" en spécifiant le temps en secondes. Le délai d'expiration doit être soigneusement déterminé en fonction du type d'application que vous créez.

client.add(key="lorem", value="ipsum", expire=10) # expire after 10 secondsclient.get('lorem')'ipsum'

Si nous essayons d'accéder à la clé après 10 secondes, nous n'obtiendrons aucune réponse car la clé aurait été supprimée de la base de données.

Nous pouvons définir plusieurs paires clé-valeur à l'aide de la fonction "set_multi" qui accepte les multiples paires clé-valeur en tant qu'ensemble de données de dictionnaire. Il accepte également le paramètre "expire" pour que la paire clé-valeur expire et libère de l'espace pour de nouvelles données dans le serveur Memcached.

client.set_multi({"Ram": 22, "Vishnu": 21, "Sanjay": 17},expire=200)client.get('Ram')b'22'

Essayons maintenant d'augmenter la valeur de la touche "Ram". Nous pouvons utiliser la fonction "incr" pour effectuer une opération d'addition à une valeur numérique dans Memcached.

client.incr('Ram', value=5)client.get('Ram')b'27'

De même, nous pouvons utiliser la fonction "decr" pour effectuer une opération de soustraction à une valeur numérique dans Memcached.

client.decr('Ram', value=2)client.get('Ram')b'25'

Toutes les valeurs, à l'exception des valeurs numériques dans les paires clé-valeur, seraient converties en octets de chaîne avant le stockage et nous n'obtiendrions donc qu'une chaîne en réponse et non la structure de données d'origine en tant que telle, ce qui pourrait poser problème.

client.add(key="languages", value=['python', 'C++', 'C'])client.get('languages').decode('utf-8')"['python', 'C++', 'C']"

Ici, nous pouvons voir que nous avons stocké une liste dans le serveur Memcached, mais lorsque nous essayons de récupérer ces données, nous obtenons une chaîne en réponse et non une liste. Pour nous assurer que nous stockons également le type de données, en dehors des chaînes, nous pouvons utiliser des techniques de sérialisation et de désérialisation à l'aide de modules tels que JSON ou pickle. J'utiliserai JSON pour expliquer comment les techniques de sérialisation et de désérialisation peuvent être utilisées pour stocker et extraire les données avec le même type de données.

Essayons d'abord de stocker un objet imbriqué dans le serveur Memcached et voyons quelle réponse nous obtenons afin qu'elle puisse être comparée à la réponse que nous obtenons après avoir effectué la sérialisation et la désérialisation à l'aide de JSON.

personal_data = {    'name': 'Prakash',    'age': 34,    'programming_languages': ['python', 'C#', 'java'],    'address':{        'flat_no': 177,        'area': 'Velachery',        'pincode': 600042    }}client.set('prakask_personal_data', personal_data)client.get('prakask_personal_data').decode("utf-8")"{'name': 'Prakash', 'age': 34, 'programming_languages': ['python', 'C#', 'java'], 'address': {'flat_no': 177, 'area': 'Velachery', 'pincode': 600042}}"

Si nous essayons d'accéder à la propriété name, nous obtenons une erreur car la réponse est une chaîne et non un dictionnaire. Utilisons maintenant JSON pour chaîner les données, puis stockons-les dans Memcached et extrayons et désérialisons en utilisant le même JSON.

import jsonpersonal_data = {    'name': 'Prakash',    'age': 34,    'programming_languages': ['python', 'C#', 'java'],    'address':{        'flat_no': 177,        'area': 'Velachery',        'pincode': 600042    }}client.set('prakask_personal_data', json.dumps(personal_data))data = json.loads(client.get('prakask_personal_data').decode("utf-8"))print(data){'name': 'Prakash', 'age': 34, 'programming_languages': ['python', 'C#', 'java'], 'address': {'flat_no': 177, 'area': 'Velachery', 'pincode': 600042}}

Maintenant, essayons d'accéder à la propriété area présente dans la propriété address et vérifions si nous obtenons des erreurs ou non.

data['address']['area']'Velachery'

Nous pouvons voir que nous obtenons la bonne réponse.

Un système de mise en cache n'est qu'un moyen d'accélérer votre application. Les bases de données SQL traditionnelles comme MySQL, Oracle et les nouvelles bases de données NoSQL comme MongoDB stockent les données sur le disque. Les opérations effectuées sur le disque sont généralement plus lentes par rapport aux opérations effectuées en mémoire ou en RAM. Étant donné que des technologies telles que Redis et Memcached sont des magasins de données en mémoire, les opérations sont ultra-rapides, mais l'inconvénient de ces technologies est que la RAM est limitée et ne peut pas être utilisée pour stocker toutes les informations. Pour rendre l'application rapide, des technologies comme Redis et Memcached sont utilisées avec des bases de données complètes appropriées comme MySQL, MongoDB, etc. Voyons comment Memcached peut être utilisé avec une autre base de données dans les applications.

Supposons que vous définissiez une paire clé-valeur dans le serveur Memcached et que vous essayez d'y accéder après un certain temps. Supposons que la clé a expiré du serveur Memcached. Dans un tel cas, nous essayons d'accéder aux données de notre base de données traditionnelle, disons MySQL. Toutes les données sont persistantes et n'expirent pas, contrairement à Memcached.

client.add('analytics', 'vidhya', expire=15)def fetch_from_mysql(key= ''): 	data = ...  # fetch from MySQL server	return datadata = client.get('analytics')if not data	# fetch from MySQL as the key is not found in the Memcached server	data = fetch_from_mysql('analytics')	print(data)else: print(data)

Ceci est un exemple simple pour montrer comment les systèmes de mise en cache peuvent être conçus pour fonctionner avec des bases de données complètes dans les applications.

Conclusion

Dans cet article, nous avons discuté et couvert les points suivants :

• Qu'est-ce que Memcached ?
• Installer Docker sur Windows
• Exécuter Memcached sur un conteneur docker
• Connexion à Memcached à l'aide de Pymemcache
• Effectuer des opérations CRUD simples à l'aide de Pymemcache
• Mécanisme de mise en cache utilisant Memcached dans les applications

Les fonctions décrites dans cet article sont nécessaires pour comprendre et effectuer les opérations CRUD de base dans Memcached, mais il existe de nombreuses fonctions différentes facilement disponibles. Les mécanismes de mise en cache sont présents dans presque toutes les applications et nous devons comprendre et apprendre les bases de la mise en cache pour créer des applications prêtes pour la production. Memcached est conçu pour fonctionner uniquement en tant que serveur de mise en cache, tandis que son concurrent Redis est conçu pour résoudre plusieurs cas d'utilisation. Redis est monothread tandis que Memcached est multithread, ce qui rend Memcached plus performant que Redis lorsque la taille des données est énorme. Pour en savoir plus sur Redis, lisez cet article.

Voilà pour cet article. J'espère que vous avez apprécié la lecture de cet article et appris quelque chose de nouveau. Merci d'avoir lu et bon apprentissage ! 

 Source : https://www.analyticsvidhya.com/blog/2022/06/introduction-to-memcached-using-python/

#python 

What is GEEK

Buddha Community

Why use Python for Software Development

No programming language is pretty much as diverse as Python. It enables building cutting edge applications effortlessly. Developers are as yet investigating the full capability of end-to-end Python development services in various areas. 

By areas, we mean FinTech, HealthTech, InsureTech, Cybersecurity, and that's just the beginning. These are New Economy areas, and Python has the ability to serve every one of them. The vast majority of them require massive computational abilities. Python's code is dynamic and powerful - equipped for taking care of the heavy traffic and substantial algorithmic capacities. 

Programming advancement is multidimensional today. Endeavor programming requires an intelligent application with AI and ML capacities. Shopper based applications require information examination to convey a superior client experience. Netflix, Trello, and Amazon are genuine instances of such applications. Python assists with building them effortlessly. 

5 Reasons to Utilize Python for Programming Web Apps 

Python can do such numerous things that developers can't discover enough reasons to admire it. Python application development isn't restricted to web and enterprise applications. It is exceptionally adaptable and superb for a wide range of uses.

Robust frameworks 

Python is known for its tools and frameworks. There's a structure for everything. Django is helpful for building web applications, venture applications, logical applications, and mathematical processing. Flask is another web improvement framework with no conditions. 

Web2Py, CherryPy, and Falcon offer incredible capabilities to customize Python development services. A large portion of them are open-source frameworks that allow quick turn of events. 

Simple to read and compose 

Python has an improved sentence structure - one that is like the English language. New engineers for Python can undoubtedly understand where they stand in the development process. The simplicity of composing allows quick application building. 

The motivation behind building Python, as said by its maker Guido Van Rossum, was to empower even beginner engineers to comprehend the programming language. The simple coding likewise permits developers to roll out speedy improvements without getting confused by pointless subtleties. 

Utilized by the best 

Alright - Python isn't simply one more programming language. It should have something, which is the reason the business giants use it. Furthermore, that too for different purposes. Developers at Google use Python to assemble framework organization systems, parallel information pusher, code audit, testing and QA, and substantially more. Netflix utilizes Python web development services for its recommendation algorithm and media player. 

Massive community support 

Python has a steadily developing community that offers enormous help. From amateurs to specialists, there's everybody. There are a lot of instructional exercises, documentation, and guides accessible for Python web development solutions. 

Today, numerous universities start with Python, adding to the quantity of individuals in the community. Frequently, Python designers team up on various tasks and help each other with algorithmic, utilitarian, and application critical thinking. 

Progressive applications 

Python is the greatest supporter of data science, Machine Learning, and Artificial Intelligence at any enterprise software development company. Its utilization cases in cutting edge applications are the most compelling motivation for its prosperity. Python is the second most well known tool after R for data analytics.

The simplicity of getting sorted out, overseeing, and visualizing information through unique libraries makes it ideal for data based applications. TensorFlow for neural networks and OpenCV for computer vision are two of Python's most well known use cases for Machine learning applications.

Summary

Thinking about the advances in programming and innovation, Python is a YES for an assorted scope of utilizations. Game development, web application development services, GUI advancement, ML and AI improvement, Enterprise and customer applications - every one of them uses Python to its full potential. 

The disadvantages of Python web improvement arrangements are regularly disregarded by developers and organizations because of the advantages it gives. They focus on quality over speed and performance over blunders. That is the reason it's a good idea to utilize Python for building the applications of the future.

#python development services #python development company #python app development #python development #python in web development #python software development

Python Tricks Every Developer Should Know

Python is awesome, it’s one of the easiest languages with simple and intuitive syntax but wait, have you ever thought that there might ways to write your python code simpler?

In this tutorial, you’re going to learn a variety of Python tricks that you can use to write your Python code in a more readable and efficient way like a pro.

Let’s get started

Swapping value in Python

Instead of creating a temporary variable to hold the value of the one while swapping, you can do this instead

>>> FirstName = "kalebu"
>>> LastName = "Jordan"
>>> FirstName, LastName = LastName, FirstName 
>>> print(FirstName, LastName)
('Jordan', 'kalebu')

#python #python-programming #python3 #python-tutorials #learn-python #python-tips #python-skills #python-development

How to Remove all Duplicate Files on your Drive via Python

Today you’re going to learn how to use Python programming in a way that can ultimately save a lot of space on your drive by removing all the duplicates.

Intro

In many situations you may find yourself having duplicates files on your disk and but when it comes to tracking and checking them manually it can tedious.

Heres a solution

Instead of tracking throughout your disk to see if there is a duplicate, you can automate the process using coding, by writing a program to recursively track through the disk and remove all the found duplicates and that’s what this article is about.

But How do we do it?

If we were to read the whole file and then compare it to the rest of the files recursively through the given directory it will take a very long time, then how do we do it?

The answer is hashing, with hashing can generate a given string of letters and numbers which act as the identity of a given file and if we find any other file with the same identity we gonna delete it.

There’s a variety of hashing algorithms out there such as

• md5
• sha1
• sha224, sha256, sha384 and sha512

#python-programming #python-tutorials #learn-python #python-project #python3 #python #python-skills #python-tips

How To Compare Tesla and Ford Company By Using Magic Methods in Python

Magic Methods are the special methods which gives us the ability to access built in syntactical features such as ‘<’, ‘>’, ‘==’, ‘+’ etc…

You must have worked with such methods without knowing them to be as magic methods. Magic methods can be identified with their names which start with __ and ends with __ like init, call, str etc. These methods are also called Dunder Methods, because of their name starting and ending with Double Underscore (Dunder).

Now there are a number of such special methods, which you might have come across too, in Python. We will just be taking an example of a few of them to understand how they work and how we can use them.

1. init

class AnyClass:
    def __init__():
        print("Init called on its own")
obj = AnyClass()

The first example is _init, _and as the name suggests, it is used for initializing objects. Init method is called on its own, ie. whenever an object is created for the class, the init method is called on its own.

The output of the above code will be given below. Note how we did not call the init method and it got invoked as we created an object for class AnyClass.

Init called on its own

2. add

Let’s move to some other example, add gives us the ability to access the built in syntax feature of the character +. Let’s see how,

class AnyClass:
    def __init__(self, var):
        self.some_var = var
    def __add__(self, other_obj):
        print("Calling the add method")
        return self.some_var + other_obj.some_var
obj1 = AnyClass(5)
obj2 = AnyClass(6)
obj1 + obj2

#python3 #python #python-programming #python-web-development #python-tutorials #python-top-story #python-tips #learn-python

Basic Data Types in Python | Python Web Development For Beginners

At the end of 2019, Python is one of the fastest-growing programming languages. More than 10% of developers have opted for Python development.

In the programming world, Data types play an important role. Each Variable is stored in different data types and responsible for various functions. Python had two different objects, and They are mutable and immutable objects.

Table of Contents  hide

I Mutable objects

II Immutable objects

III Built-in data types in Python

Mutable objects

The Size and declared value and its sequence of the object can able to be modified called mutable objects.

Mutable Data Types are list, dict, set, byte array

Immutable objects

The Size and declared value and its sequence of the object can able to be modified.

Immutable data types are int, float, complex, String, tuples, bytes, and frozen sets.

id() and type() is used to know the Identity and data type of the object

a**=25+**85j

type**(a)**

output**:<class’complex’>**

b**={1:10,2:“Pinky”****}**

id**(b)**

output**:**238989244168

Built-in data types in Python

a**=str(“Hello python world”)****#str**

b**=int(18)****#int**

c**=float(20482.5)****#float**

d**=complex(5+85j)****#complex**

e**=list((“python”,“fast”,“growing”,“in”,2018))****#list**

f**=tuple((“python”,“easy”,“learning”))****#tuple**

g**=range(10)****#range**

h**=dict(name=“Vidu”,age=36)****#dict**

i**=set((“python”,“fast”,“growing”,“in”,2018))****#set**

j**=frozenset((“python”,“fast”,“growing”,“in”,2018))****#frozenset**

k**=bool(18)****#bool**

l**=bytes(8)****#bytes**

m**=bytearray(8)****#bytearray**

n**=memoryview(bytes(18))****#memoryview**

Numbers (int,Float,Complex)

Numbers are stored in numeric Types. when a number is assigned to a variable, Python creates Number objects.

#signed interger

age**=**18

print**(age)**

Output**:**18

Python supports 3 types of numeric data.

int (signed integers like 20, 2, 225, etc.)

float (float is used to store floating-point numbers like 9.8, 3.1444, 89.52, etc.)

complex (complex numbers like 8.94j, 4.0 + 7.3j, etc.)

A complex number contains an ordered pair, i.e., a + ib where a and b denote the real and imaginary parts respectively).

String

The string can be represented as the sequence of characters in the quotation marks. In python, to define strings we can use single, double, or triple quotes.

# String Handling

‘Hello Python’

#single (') Quoted String

“Hello Python”

# Double (") Quoted String

“”“Hello Python”“”

‘’‘Hello Python’‘’

# triple (‘’') (“”") Quoted String

In python, string handling is a straightforward task, and python provides various built-in functions and operators for representing strings.

The operator “+” is used to concatenate strings and “*” is used to repeat the string.

“Hello”+“python”

output**:****‘Hello python’**

"python "*****2

'Output : Python python ’

#python web development #data types in python #list of all python data types #python data types #python datatypes #python types #python variable type