如何一起使用 sklearn 库和数据存储内存缓存？
How do I use sklearn library and datastore memcache together?
我训练了一个 BallTree 模型并坚持使用 pickle 格式。
在Google App Engine中，Python 2标准环境不支持sklearn。我尝试使用 Cloud ML 来部署模型，但它也不起作用，因为 Cloud ML 仅提供 predict() 功能。我的 BallTree 模型将调用 query_radius()。因此，我搬到了 sklearn 工作的 Python 3 标准环境。
从query_radius()获取索引后，我将通过字典以某种方式检索实体的键。有了密钥，我现在可以从数据存储中检索所有数据。
现在，我想利用memcache来提高datastore的检索速度。但是，我发现 googleappengine api 在 Python 3 标准环境中不工作。我应该怎么做才能使用内存缓存？或者我有其他更好的选择吗？
你是正确的，在 Python 3 App Engine 标准环境中，memcache 不是开箱即用的。
另一种方法是使用类似 Cloud Memorystore 的东西（或者实际上，任何托管的 Redis 或 Memcache 产品）并在您的应用程序中手动连接到它。
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
我训练了一个 BallTree 模型并坚持使用 pickle 格式。
在Google App Engine中，Python 2标准环境不支持sklearn。我尝试使用 Cloud ML 来部署模型，但它也不起作用，因为 Cloud ML 仅提供 predict() 功能。我的 BallTree 模型将调用 query_radius()。因此，我搬到了 sklearn 工作的 Python 3 标准环境。
从query_radius()获取索引后，我将通过字典以某种方式检索实体的键。有了密钥，我现在可以从数据存储中检索所有数据。
现在，我想利用memcache来提高datastore的检索速度。但是，我发现 googleappengine api 在 Python 3 标准环境中不工作。我应该怎么做才能使用内存缓存？或者我有其他更好的选择吗？
你是正确的，在 Python 3 App Engine 标准环境中，memcache 不是开箱即用的。
另一种方法是使用类似 Cloud Memorystore 的东西（或者实际上，任何托管的 Redis 或 Memcache 产品）并在您的应用程序中手动连接到它。
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