如何使用fastcache-创新互联
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！
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-成都网站建设公司行业资讯频道！
标题名称：如何使用fastcache-创新互联
链接地址：http://myzitong.com/article/ceejjg.html