小編給大家分享一下如何使用fastcache，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

成都創(chuàng)新互聯(lián)主營武侯網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營網(wǎng)站建設(shè)方案,重慶APP開發(fā),武侯h5成都微信小程序搭建,武侯網(wǎng)站營銷推廣歡迎武侯等地區(qū)企業(yè)咨詢

VnTrader 2.0版本有不少提速措施，其中l(wèi)ru_cache是提高回測速度一個利器，讓我用1.92為主的我很是羨慕?？凑f這個是python 3.5.2提供的功能，也就沒多想。

最近才發(fā)現(xiàn)其實有第三方在也支持python 2.7的版本，比如 functools32。還有一個用 C 語言實現(xiàn)的，更快的，同時兼容 Python2 和 Python3 的第三方模塊 fastcache 能夠?qū)崿F(xiàn)同樣的功能，這里就用fastcache。

安裝

很簡單，pip直接安裝就可以。

pip install fastcache --upgrade

測試是否正確安裝

import fastcache
fastcache.test()

簡單使用

• 不用cache時候，運行時間 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 ("運行時間 %s 秒" %spreadtime)

• 使用后，運行時間 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 ("運行時間 %s 秒" %spreadtime)

使用clru_cache, 更新trader/app/ctaStrategy/ctaBacktesting.py, 讓回測歷史數(shù)據(jù)緩存到內(nèi)存，不用反復(fù)讀取

• 通常只在靜態(tài)方法使用lru_cache，這樣才具有意義, 雖然在類方法中也可以使用，但是這樣一個是有不同實例一般無法復(fù)用，而且會使得過期實例無法垃圾回收。這里新建一個靜態(tài)方法load_data，負(fù)責(zé)讀取數(shù)據(jù)庫數(shù)據(jù)。

@clru_cache(maxsize=9999)
def load_data(dbName, symbol, dataStartDate, strategyStartDate, dataEndDate, dataClass):
    dbClient = pymongo.MongoClient(globalSetting['mongoHost'], globalSetting['mongoPort'])
    collection = dbClient[dbName][symbol]
    # 載入初始化需要用的數(shù)據(jù)
    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)
    # 載入回測數(shù)據(jù)
    if not dataEndDate:
        flt = {'datetime': {'$gte': strategyStartDate}}  # 數(shù)據(jù)過濾條件
    else:
        flt = {'datetime': {'$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; 改為使用剛剛創(chuàng)建靜態(tài)方法

    def loadHistoryData(self):
        """載入歷史數(shù)據(jù)"""
        self.output(u'開始載入數(shù)據(jù)')
        # 首先根據(jù)回測模式，確認(rèn)要使用的數(shù)據(jù)類
        # 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)
        # 載入初始化需要用的數(shù)據(jù)
        if self.hdsClient:
            initCursor = self.hdsClient.loadHistoryData(self.dbName,
                                                        self.symbol,
                                                        self.dataStartDate,
                                                        self.strategyStartDate)
            # 將數(shù)據(jù)從查詢指針中讀取出，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)
            # 載入回測數(shù)據(jù)
            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'載入完成，數(shù)據(jù)量：%s' % count)

• 修改 BacktestingEngine.runBacktesting; 改為使用換成的BackTestData 隊列，而不是數(shù)據(jù)庫指針。

    def runBacktesting(self):
        """運行回測"""
        # 載入歷史數(shù)據(jù)
        self.loadHistoryData()
        # 首先根據(jù)回測模式，確認(rèn)要使用的數(shù)據(jù)類
        if self.mode == self.BAR_MODE:
            dataClass = VtBarData
            func = self.newBar
        else:
            dataClass = VtTickData
            func = self.newTick
        self.output(u'開始回測')
        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'策略啟動完成')
        self.output(u'開始回放數(shù)據(jù)')
        for d in self.BackTestData:
            func(d)
        self.output(u'數(shù)據(jù)回放結(jié)束')

沒有使用之前，優(yōu)化約為100組參數(shù)約為運行時間 323.0888239 秒，使用cache優(yōu)化后運行時間 190.762839 秒

以上是“如何使用fastcache”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道！