如何一起使用 sklearn 库和数据存储 memcache？答案

【问题标题】：How do I use sklearn library and datastore memcache together?如何一起使用 sklearn 库和数据存储 memcache？
【发布时间】：2019-02-11 06:59:33
【问题描述】：

我有一个 BallTree 模型经过训练并以 pickle 格式保存。

在 Google App Engine 中，sklearn 不受 Python 2 标准环境的支持。我尝试使用 Cloud ML 来部署模型，但它也无法正常工作，因为 Cloud ML 仅提供 predict() 功能。我的 BallTree 模型将调用 query_radius()。因此，我转移到了 sklearn 工作的 Python 3 标准环境。

从query_radius() 获取索引后，我会以某种方式通过字典检索实体的键。有了密钥，我现在可以从数据存储区检索所有数据。

现在，我想利用 memcache 来提高数据存储的检索速度。但是，我发现 googleappengine api 在 Python 3 标准环境中不起作用。我应该怎么做才能使用内存缓存？还是我有其他更好的选择？

【问题讨论】：

标签： python google-app-engine google-cloud-platform scikit-learn google-cloud-datastore

【解决方案1】：

您说得对，在 Python 3 App Engine 标准环境中，memcache 不包括在开箱即用的范围内。

另一种方法是使用类似Cloud Memorystore（或者实际上是任何托管的 Redis 或 Memcache 产品）并在您的应用中手动连接到它。

例如，下面是一个如何从 App Engine Flex 环境连接到 Memorystore 的示例，应该可以帮助您入门：https://cloud.google.com/memorystore/docs/redis/connect-redis-instance-flex

【讨论】：

我最终创建了 2 个服务，一个用于 python 2（数据存储和内存缓存）和 python 3（sklearn 模型）