Přejít k navigační liště

Zdroják » Zprávičky » Fragmentová cache

Fragmentová cache

Zprávičky PHP, Různé

Cachování webů je dnes už téměř „povinné“. Kromě stránkové cache (jsou uloženy celé vygenerované stránky) je v některých případech vhodná i fragmentová cache (implementují už některé CMS, kde jsou cachovány zvlášť např. navigační či informační bloky). Web Procurios přináší obšírný úvod do používání fragmentové cache v jazyce PHP.

Zdroj: PHPDeveloper

Komentáře

Odebírat
Upozornit na
guest
1 Komentář
Nejstarší
Nejnovější Most Voted
Radek Hulán

Fragmentová cache je mnohem výkonnější, pro rozsáhlé weby. Když má člověk desítky tisíc stránek, nemá smysl je cachovat vcelku a po (třeba 10 minutách) cache komplet mazat, naopak cache funguje vždy na logické bloky (třeba „Nejčtenější články“), kde se namísto 10 SQL dotazů dělá jen jeden.
Nicméně toto je vždy implementačně závislé nejen na daném CMS, ale i na návrhu šablon. Je potřeba prostě dané stránce rozumět a cachovat správné fragmenty po správný čas, není to univerzální řešení.

Frugal computing: architektura pro dobu dražší infrastruktury

Vývojáři se naučili zrychlovat dotazy, přidávat cache, škálovat služby a hlídat účet za cloud. Frugal computing začíná o jednu otázku dřív: musí se výpočet, přesun dat, volání modelu nebo uložení vůbec stát? Rostoucí spotřeba datových center a nové evropské reportování ho posouvají do návrhu architektury, dřív než do závěrečné poznámky o udržitelnosti v prezentaci.

Odysseus: PewDiePie vydal open-source AI workspace, který běží na vašem vlastním hardwaru

AI
Komentáře: 0
Felix Kjellberg, youtuber se 110 miliony odběratelů, strávil rok učením se programovat a fine-tuningem vlastních AI modelů. Výsledkem je Odysseus – bezplatný, open-source workspace pro práci s umělou inteligencí, který neposílá žádná data do cloudu. Projekt má týden, přes 61 000 hvězdiček na GitHubu a znovu otevírá otázku, komu vlastně patří váš digitální kontext.

Když Git už nestačí: jak izolovat databázový stav pro pokusy AI agentů

Gitová větev vývojářům oddělí kód, ale databáze často zůstává společná. U AI agentů je to slabé místo: rychle spouštějí migrace, mění data a zkoušejí víc cest najednou. Databázová větev jim dá vlastní pracovní prostor, jenže tím práce nekončí. Ještě je potřeba řešit citlivá data, oprávnění, životnost větve i zbytek stavu aplikace.