Nano Hash - криптовалюты, майнинг, программирование

Генерирует ли последующая находка ember-data XHR каждый раз без кэширования?

У меня есть приложение, созданное с использованием ember-cli 0.2.5 (это Ember 1.12.0 и Ember-Data 1.0.0-beta.17).

Store.find() моих моделей всегда генерирует запрос XHR к моему серверу. Я ожидаю, что последующие доступы к маршруту будут использовать кеш магазина.

У меня есть два маршрута, router.js:

Router.map(function() { this.route('rules', {path: '/rules'}); this.route('users', {path: '/users'}); });

Модели маршрутов:

Ember.Route.extend({ model: function (params) { return this.store.find('user'); } });

а также

Ember.Route.extend({ model: function (params) { return this.store.find('rule'); } });

Я использую RESTAdapter и ориентируюсь на сервер apache, который выполняет perl cgi. Возвращенный JSON (фрагмент):

{"rules":[{"canAutoUnblock":1,"creator":"spaling","status":null,"autoUnblockDate":"2015-05-30","createTime":"2015-01-19 19:59:56","privComment":"not private","pubComment":"Port scanning the Library","id":12,"ipaddr":"31.7.59.152"},{"canAutoUnblock":0,"creator":"spaling","status":"delete","autoUnblockDate":null,"createTime":"2015-01-19 19:59:56","privComment":"private","pubComment":"public","id":13,"ipaddr":"31.7.59.160"},

отформатировано...

{ rules: [ { canAutoUnblock: 1, creator: "spaling", status: null, autoUnblockDate: "2015-05-30", createTime: "2015-01-19 19:59:56", privComment: "not private", pubComment: "Port scanning the Library", id: 12, ipaddr: "31.7.59.152" }, { canAutoUnblock: 0, creator: "spaling", status: "delete", autoUnblockDate: null, createTime: "2015-01-19 19:59:56", privComment: "private", pubComment: "public", id: 13, ipaddr: "31.7.59.160" },

Любые советы очень ценятся.

Барри

10.06.2015

Ответы:


1

Это ожидаемое поведение для find без дополнительных параметров.

store.find('modelName')

Это попросит метод findAll адаптера найти записи для данного типа и вернет обещание, которое будет разрешено, как только сервер вернет значения. Обещание будет разрешено во все записи этого типа, присутствующие в хранилище, даже если сервер вернет только их подмножество.

См. http://emberjs.com/api/data/classes/DS.Store.html#method_find

Если вы хотите, чтобы кешированные записи использовали только

store.all('modelName')

http://emberjs.com/api/data/classes/DS.Store.html#method_all

10.06.2015
  • Но когда я пересматриваю маршрут, должен ли он генерировать еще один XHR? Я думал, что это будет просто возвращать данные из кеша магазина? Если нет, как я могу добиться такого поведения? 11.06.2015
  • Если вы хотите кэшировать записи, используйте только store.all('modelName');.emberjs.com/api/data /classes/DS.Store.html#method_all 11.06.2015
  • Спасибо, получил его. Я не понял разницы между find и all. 11.06.2015
  • Следите за обновлениями блога ember, этот API будет изменен (github.com/emberjs/data/pull/3290 ) 11.06.2015
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..