Caching

term_id: caching

Category: engineering_practice

Definition

Inden for AI-ingeniørkunst optimerer caching ydeevnen ved at holde nylige eller hyppige forespørgselsresultater, modelforudsigelser eller mellemregninger i hurtigt hukommelse (f.eks. RAM). Dette reducerer behovet for dyre beregninger eller databaseopslag, hvilket accelererer svar tid.

Summary

Caching er en teknik til lagring af ofte tilgåede data i et midlertidigt, højhastigheds-lag for at reducere latens og mindske belastningen på primære datakilder.

Key Concepts

  • reduktion af latens
  • hukommelsesoptimering
  • udskrivningspolitikker
  • hit-rate

Use Cases

  • Lagring af modelinferensresultater
  • Caching af databaseforespørgselsoutput
  • Forudberegnings af feature-embeddings

Code Example

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14

import redis

# Simple caching example
r = redis.Redis(host='localhost', port=6379, db=0)

def get_prediction(model_id, input_data):
    cache_key = f"pred_{model_id}_{hash(str(input_data))}"
    result = r.get(cache_key)
    if result:
        return result.decode('utf-8')
    # Compute if not cached
    prediction = model.predict(input_data)
    r.setex(cache_key, 3600, str(prediction))
    return prediction

Related