用于多个数据存储的简单、统一的api
datastore的Python项目详细描述
#数据存储
无缝无需更改应用程序代码。因此，在应用程序的整个生命周期中，不必将应用程序提交到一个数据存储中，就可以利用具有不同强度的不同数据存储。看起来是这样的：
+——+——+
应用程序<；——没有繁琐的sql或mongo特定查询！
+——+——+
<；——简单数据存储API调用
+——+——+——+
数据存储<；——底层数据库的数据存储实现
+————+——+——
<；---数据库特定调用
+——+——+
各种数据库<；——MySQL、Redis、MongoDB、FS，…
+——+——+——
分组数据存储显著简化了有趣的数据访问
模式（如缓存和分片）。
数据存储
来自源代码：
sudo python setup.py install
*[数据存储.git]（https://github.com/datastore/datastore-git）-git实现
*[数据存储.mongo]（https://github.com/datastore/datastore.mongo）-monogdb实现
*[数据存储.memcached]（https://github.com/datastore/datastore.memcached）-memcached实现
*[数据存储.pylru]（https://github.com/datastore/datastore.pylru）-pylru缓存实现
*[数据存储.redis]（https://github.com/datastore/datastore.redis）-redis实现
网址：
http://datastore.readthedocs.org/en/latest/
它最初是[py dronestore]的一部分（https://github.com/jbenet/py dronestore）。
2011年12月，它作为一个独立项目重新编写。
项目主页：
[https://github.com/datastore/datastore]（https://github.com/datastore/datastore）
但请先在github中提交问题。干杯！
贡献
实现
请为其他数据存储编写并贡献实现。这个项目只有在很多帮助下才能完成。
指南]（http://google styleguide.google code.com/svn/trunk/pyguide.html）。
\``数据存储区"使用"sphinx"作为文档。查看一下``docs/``目录。
运行：
cd docs
make html
open.build/html/index.html
ds=datastore.dictdatastore（）
>；
>；>；hello=datastore.key（'hello'）
>；>；ds.put（hello，'world'）
>；>；ds.contains（hello）
true
>；>；ds.get（hello）
"world"
>；>；删除（hello）
>>>；ds.get（hello）
无
>>gt gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；ds。ds。ds。ds。ds。ds。get（hello）
"world"
>true
>true
>>>；gt；gt；gt；ds。ds。ds。get（hello）
>none
>
>
>>
>>>>>>gt；gt；gt；gt；gt；ds。ds。ds。ds。ds。ds。get（hello（hello）
；导入pymongo
>；>import datastore.core
>；
>；>gt；
>；>from datastore.mongo导入mongodatastore
>；>from datastore.pylru导入lrucachedatastore
>；>from datastore.filesystem导入filesystemdatastore
>；>；
>；>conn=pymongo.connection（）
>；>mongo=mongodatastore（conn.test廑db）
>；
>；>cache=lrucachedatastore（1000）
>；>fs=filesystemdatastore（'/tmp/.test廑db'）
>；
>；>ds=datastore.tiereddatastore（[cache，mongo，fs]）
>；
>；>；hello=datastore.key（'hello'）
>；>；ds.put（hello，'world'）
>；>；ds.contains（hello）
true
>；>；ds.get（hello）
"world"
>；>；ds.delete（hello）
>；>ds.get（hello）
none
ds=datastore.shardeddatastore（shards）
>；
>；>hello=datastore.key（'hello'）
>；>ds.put（hello，'world'）
>；>ds.contains（hello）
true
>；>ds.get（hello）
'world'
>；>ds.delete（hello）
>；>>；ds.get（hello）
none
\api
datastore api强调**简单**和优雅。只有四个
核心方法必须实现（get、put、delete，查询）。值）
存储由"key"命名的对象"value"。
如何序列化和存储对象取决于基础数据存储。
建议使用简单的对象（字符串、数字、列表，dicts）。
args:
key:key naming`value`
value:要存储的对象。
"query"中表示的对象匹配条件
查询的实现将是数据存储中最大的区别因素
。所有数据存储**必须**实现查询，即使使用
查询的最坏情况，有关详细信息，请参见查询类。
args:
query:描述要返回的对象的查询对象。
returns:
iterable cursor with all objects matching criteria
功能，仅与数据存储的一个子集相关，理解这些功能应以通用性为目标，并且很可能不会在其他数据存储中实现。
多个数据存储。当大量使用
特定库的特定功能时，可能不应该使用
数据存储，而应该直接使用使用这个库。
键是分层的，
包含越来越具体的名称空间。因此，键可以被视为其他键的"子"或"祖先"。
key（'/commy'）
key（'/commy/montypython'）
此外，每个命名空间都可以参数化以嵌入相关对象信息。例如，键"name"（最特定的名称空间）可以包含对象类型：
key（'/commy/montypython/actor:johncleese'）
key（'/commy/montypython/sketch:cheeseshop'）
key（'/commy/montypython/sketch:cheeseshop/character:mousebender'）
无缝无需更改应用程序代码。因此，在应用程序的整个生命周期中，不必将应用程序提交到一个数据存储中，就可以利用具有不同强度的不同数据存储。看起来是这样的：
+——+——+
应用程序<；——没有繁琐的sql或mongo特定查询！
+——+——+
<；——简单数据存储API调用
+——+——+——+
数据存储<；——底层数据库的数据存储实现
+————+——+——
<；---数据库特定调用
+——+——+
各种数据库<；——MySQL、Redis、MongoDB、FS，…
+——+——+——
分组数据存储显著简化了有趣的数据访问
模式（如缓存和分片）。
数据存储
来自源代码：
sudo python setup.py install
*[数据存储.git]（https://github.com/datastore/datastore-git）-git实现
*[数据存储.mongo]（https://github.com/datastore/datastore.mongo）-monogdb实现
*[数据存储.memcached]（https://github.com/datastore/datastore.memcached）-memcached实现
*[数据存储.pylru]（https://github.com/datastore/datastore.pylru）-pylru缓存实现
*[数据存储.redis]（https://github.com/datastore/datastore.redis）-redis实现
网址：
http://datastore.readthedocs.org/en/latest/
它最初是[py dronestore]的一部分（https://github.com/jbenet/py dronestore）。
2011年12月，它作为一个独立项目重新编写。
项目主页：
[https://github.com/datastore/datastore]（https://github.com/datastore/datastore）
但请先在github中提交问题。干杯！
贡献
实现
请为其他数据存储编写并贡献实现。这个项目只有在很多帮助下才能完成。
指南]（http://google styleguide.google code.com/svn/trunk/pyguide.html）。
\``数据存储区"使用"sphinx"作为文档。查看一下``docs/``目录。
运行：
cd docs
make html
open.build/html/index.html
ds=datastore.dictdatastore（）
>；
>；>；hello=datastore.key（'hello'）
>；>；ds.put（hello，'world'）
>；>；ds.contains（hello）
true
>；>；ds.get（hello）
"world"
>；>；删除（hello）
>>>；ds.get（hello）
无
>>gt gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；gt；ds。ds。ds。ds。ds。ds。get（hello）
"world"
>true
>true
>>>；gt；gt；gt；ds。ds。ds。get（hello）
>none
>
>
>>
>>>>>>gt；gt；gt；gt；gt；ds。ds。ds。ds。ds。ds。get（hello（hello）
；导入pymongo
>；>import datastore.core
>；
>；>gt；
>；>from datastore.mongo导入mongodatastore
>；>from datastore.pylru导入lrucachedatastore
>；>from datastore.filesystem导入filesystemdatastore
>；>；
>；>conn=pymongo.connection（）
>；>mongo=mongodatastore（conn.test廑db）
>；
>；>cache=lrucachedatastore（1000）
>；>fs=filesystemdatastore（'/tmp/.test廑db'）
>；
>；>ds=datastore.tiereddatastore（[cache，mongo，fs]）
>；
>；>；hello=datastore.key（'hello'）
>；>；ds.put（hello，'world'）
>；>；ds.contains（hello）
true
>；>；ds.get（hello）
"world"
>；>；ds.delete（hello）
>；>ds.get（hello）
none
ds=datastore.shardeddatastore（shards）
>；
>；>hello=datastore.key（'hello'）
>；>ds.put（hello，'world'）
>；>ds.contains（hello）
true
>；>ds.get（hello）
'world'
>；>ds.delete（hello）
>；>>；ds.get（hello）
none
\api
datastore api强调**简单**和优雅。只有四个
核心方法必须实现（get、put、delete，查询）。值）
存储由"key"命名的对象"value"。
如何序列化和存储对象取决于基础数据存储。
建议使用简单的对象（字符串、数字、列表，dicts）。
args:
key:key naming`value`
value:要存储的对象。
"query"中表示的对象匹配条件
查询的实现将是数据存储中最大的区别因素
。所有数据存储**必须**实现查询，即使使用
查询的最坏情况，有关详细信息，请参见查询类。
args:
query:描述要返回的对象的查询对象。
returns:
iterable cursor with all objects matching criteria
功能，仅与数据存储的一个子集相关，理解这些功能应以通用性为目标，并且很可能不会在其他数据存储中实现。
多个数据存储。当大量使用
特定库的特定功能时，可能不应该使用
数据存储，而应该直接使用使用这个库。
键是分层的，
包含越来越具体的名称空间。因此，键可以被视为其他键的"子"或"祖先"。
key（'/commy'）
key（'/commy/montypython'）
此外，每个命名空间都可以参数化以嵌入相关对象信息。例如，键"name"（最特定的名称空间）可以包含对象类型：
key（'/commy/montypython/actor:johncleese'）
key（'/commy/montypython/sketch:cheeseshop'）
key（'/commy/montypython/sketch:cheeseshop/character:mousebender'）
欢迎加入QQ群-->： 979659372
