astock-cachelisted

# astock-cache ## 何时使用 - 全市场筛选太慢 (每次 30 分钟) - 反复拉同一只股票 K 线 - 跑 screener 跑 2 遍 - 想要"盘后更新一次,白天用一天" ## 🚀 快速上手 ```bash # 看缓存多少了 python main.py kline-stats # 跑一次全市场 K 线更新 (15-30 分钟, 但之后都是 5 秒) python daily_update.py # 单独看某只股票 python main.py kline-stats # {"count": 5028, "size_mb": 18.4} ``` ## 提供能力 ### 通用 Key-Value 缓存 - `cache_set/get/delete/clear` - `cached(key, ttl)` 装饰器 - 存储: `~/.astock_skills/cache/*.pkl` ### K 线 parquet 缓存 (新,推荐) - `kline_save(code, df, days)` 存 parquet - `kline_load(code, days, max_age_hours)` 读 - `kline_get_or_fetch(code, fetch_fn, days)` **智能模式** - 存储: `~/.astock_skills/cache/kline/{code}_{days}d.parquet` ## screener 集成示例 ```python from skills.01-infra.astock-cache.main import kline_get_or_fetch from skills.01-infra.astock-data-source.main import get_kline def smart_kline(code, days=60): """优先读缓存, 缓存没有才拉网络""" return kline_get_or_fetch(code, get_kline, days=days) # 第一次慢 (拉网络), 之后 5 秒 df = smart_kline("601991", 60) ``` ## 性能 | 场景 | 无缓存 | 有缓存 | 加速比 | |------|--------|--------|--------| | 单股 60 日 K 线 | 1.2s | 0.05s | 24x | | 全市场 5028 只 60 日 | 30min | 5s | 360x | ## 依赖 ``` pandas>=1.5.0 pyarrow>=10.0.0 # parquet 引擎 ```