MemCache Python API 文档

概述

MemCache Python API 是一个高性能的分布式内存缓存客户端，提供了丰富的接口用于数据的存储、检索和管理。该API基于C++核心实现，通过Python绑定提供了简洁易用的接口，支持多种数据传输协议和内存管理模式，适用于大规模分布式计算环境。

主要特性

支持多种传输协议（TCP、RDMA、SDMA等）
支持主机内存（DRAM）和设备内存（HBM）
提供批量操作接口，提高处理效率
支持数据副本和分层存储
提供灵活的配置选项
支持TLS加密通信

适用场景

大规模分布式训练中的数据共享
高性能计算环境中的数据缓存
需要低延迟数据访问的应用场景
跨进程、跨节点的数据交换

安装指南

前提条件

Python >= 3.8 环境（支持源码编译）
支持的操作系统：Linux

安装步骤

从PyPI安装memcache_hybrid包，该包包含了完整的Python绑定：

pip install memcache_hybrid

📦 包详情: https://pypi.org/project/memcache_hybrid/

核心接口

接口概述

Python接口封装了MemCache的客户端功能，使用前需要配置并启动独立的meta service进程。

MetaConfig 类

MetaConfig是元数据服务的启动配置类，用于设置MetaService的监听地址、日志参数、HA开关以及TLS相关参数。

功能: 创建和管理元数据服务启动配置

参数说明:

参数名称	类型	默认值	说明
meta_service_url	str	"tcp://127.0.0.1:5000"	元数据服务启动地址
config_store_url	str	"tcp://127.0.0.1:6000"	Config store地址
metrics_url	str	"http://127.0.0.1:8000"	Metrics HTTP服务地址
ha_enable	bool	false	是否启用高可用部署
log_level	str	"info"	日志级别：debug, info, warn, error
log_path	str	"/var/log/memcache_hybrid"	日志目录
log_rotation_file_size	int	20	日志滚动文件大小，单位MB
log_rotation_file_count	int	50	日志滚动文件数量
evict_threshold_high	int	90	驱逐高水位百分比
evict_threshold_low	int	80	驱逐低水位百分比
ubs_io_enable	bool	false	是否启用UBS_IO
tls_enable	bool	false	是否为metaservice启用TLS
tls_ca_path	str	""	TLS CA证书路径
tls_ca_crl_path	str	""	TLS CA CRL路径
tls_cert_path	str	""	TLS证书路径
tls_key_path	str	""	TLS私钥路径
tls_key_pass_path	str	""	TLS私钥密码路径
tls_package_path	str	""	TLS包路径
tls_decrypter_path	str	""	TLS解密库路径
config_store_tls_enable	bool	false	是否为config_store启用TLS
config_store_tls_ca_path	str	""	Config store TLS CA证书路径
config_store_tls_ca_crl_path	str	""	Config store TLS CA CRL路径
config_store_tls_cert_path	str	""	Config store TLS证书路径
config_store_tls_key_path	str	""	Config store TLS私钥路径
config_store_tls_key_pass_path	str	""	Config store TLS私钥密码路径
config_store_tls_package_path	str	""	Config store TLS包路径
config_store_tls_decrypter_path	str	""	Config store TLS解密库路径

示例:

from memcache_hybrid import MetaConfig

# 创建元数据服务配置对象
config = MetaConfig()
config.meta_service_url = "tcp://127.0.0.1:5000"
config.config_store_url = "tcp://127.0.0.1:6000"
config.metrics_url = "http://127.0.0.1:8000"
config.ha_enable = False
config.log_level = "info"
config.log_path = "/tmp/memcache_hybrid"
config.log_rotation_file_size = 20
config.log_rotation_file_count = 10
config.evict_threshold_high = 90
config.evict_threshold_low = 80

MetaService 类

MetaService是MemCache的元数据服务类，用于在Python进程中直接启动元数据服务。通常先通过MetaConfig构造配置，再调用MetaService.setup(config)设置启动参数，最后调用MetaService.main()阻塞启动服务。

setup

MetaService.setup(config)

功能: 设置当前进程中MetaService.main()使用的启动配置。

参数:

config: MetaConfig对象，包含元数据服务的启动配置

返回值: 无返回值

使用示例:

from memcache_hybrid import MetaConfig, MetaService

config = MetaConfig()
config.meta_service_url = "tcp://127.0.0.1:5000"
config.config_store_url = "tcp://127.0.0.1:6000"
config.metrics_url = "http://127.0.0.1:8000"
config.log_level = "info"

MetaService.setup(config)

main

MetaService.main()

功能: 直接启动元数据服务进程。这是一个阻塞调用，直到服务收到退出信号后才会返回。

参数: 无

返回值: 无返回值。服务正常运行时会一直阻塞，服务异常退出时会抛出异常。

异常处理:

服务启动失败时会抛出RuntimeError异常，包含具体错误信息
服务运行过程中遇到致命错误时会抛出RuntimeError异常
服务被信号中断时会抛出KeyboardInterrupt异常

使用示例:

from memcache_hybrid import MetaConfig, MetaService

config = MetaConfig()
config.meta_service_url = "tcp://127.0.0.1:5000"
config.config_store_url = "tcp://127.0.0.1:6000"
config.metrics_url = "http://127.0.0.1:8000"
config.log_level = "info"

try:
    assert MetaService.setup(config) == 0, "setup meta config failed"
    MetaService.main()
except KeyboardInterrupt:
    print("MetaService stopped by user")
except RuntimeError as e:
    print(f"MetaService failed to start or encountered an error: {e}")

注意事项:

MetaService.main() 是阻塞调用，建议在单独的进程中运行
如果未调用 MetaService.setup(config)，服务会尝试读取环境变量 MMC_META_CONFIG_PATH 指向的配置文件；
服务停止后，所有依赖该服务的客户端连接将失效

LocalConfig 类

LocalConfig是分布式内存缓存的配置类，用于设置客户端的各种参数。

功能: 创建和管理客户端配置

参数说明:

参数名称	类型	默认值	说明
meta_service_url	str	"tcp://127.0.0.1:5000"	Meta service的URL地址，格式如"tcp://192.168.1.1:5000"
config_store_url	str	"tcp://127.0.0.1:6000"	Config store的URL地址
log_level	str	"info"	日志级别：debug, info, warn, error
world_size	int	256	最大支持的rank数量
protocol	str	"host_rdma"	数据传输协议：host_rdma, host_urma, host_tcp, device_rdma, device_sdma
hcom_url	str	"tcp://127.0.0.1:7000"	HCOM URL for RDMA network
dram_size	str	"1GB"	DRAM空间使用，支持格式如1GB, 2MB等
hbm_size	str	"0"	HBM空间使用
max_dram_size	str	"64GB"	所有本地进程中dram_size的最大值
max_hbm_size	str	"0"	所有本地进程中hbm_size的最大值
client_retry_milliseconds	int	0	客户端请求meta service时的总重试时间(毫秒)
client_timeout_seconds	int	60	客户端请求超时时间(秒)
read_thread_pool_size	int	32	读线程池大小
write_thread_pool_size	int	4	写线程池大小
aggregate_io	bool	true	是否启用读/写聚合
aggregate_num	int	122	聚合数量
ubs_io_enable	bool	false	是否启用UBS_IO
memory_pool_mode	str	"standard"	内存池模式：standard或expanded
tls_enable	bool	false	是否为metaservice启用TLS
tls_ca_path	str	""	TLS CA证书路径
tls_ca_crl_path	str	""	TLS CA CRL路径
tls_cert_path	str	""	TLS证书路径
tls_key_path	str	""	TLS密钥路径
tls_key_pass_path	str	""	TLS密钥密码路径
tls_package_path	str	""	TLS包路径
tls_decrypter_path	str	""	TLS解密库路径
config_store_tls_enable	bool	false	是否为config_store启用TLS
config_store_tls_ca_path	str	""	Config store TLS CA证书路径
config_store_tls_ca_crl_path	str	""	Config store TLS CA CRL路径
config_store_tls_cert_path	str	""	Config store TLS证书路径
config_store_tls_key_path	str	""	Config store TLS密钥路径
config_store_tls_key_pass_path	str	""	Config store TLS密钥密码路径
config_store_tls_package_path	str	""	Config store TLS包路径
config_store_tls_decrypter_path	str	""	Config store TLS解密库路径
hcom_tls_enable	bool	false	是否为HCOM启用TLS
hcom_tls_ca_path	str	""	HCOM TLS CA证书路径
hcom_tls_ca_crl_path	str	""	HCOM TLS CA CRL路径
hcom_tls_cert_path	str	""	HCOM TLS证书路径
hcom_tls_key_path	str	""	HCOM TLS密钥路径
hcom_tls_key_pass_path	str	""	HCOM TLS密钥密码路径
hcom_tls_decrypter_path	str	""	HCOM TLS解密库路径

示例:

# 创建配置对象
config = LocalConfig()
config.meta_service_url = "tcp://192.168.1.1:5000"
config.protocol = "device_sdma"
config.dram_size = "2GB"
config.hbm_size = "8GB"
config.client_timeout_seconds = 30

DistributedObjectStore 类

DistributedObjectStore是分布式对象存储的Python接口封装类，提供了完整的分布式内存缓存操作接口。

init

store = DistributedObjectStore()

功能: 创建DistributedObjectStore实例

setup

result = store.setup(config)

功能: 设置分布式内存缓存客户端配置

参数:

config: LocalConfig对象，包含客户端的所有配置参数

返回值:

0: 成功
其他: 失败

init

result = store.init(device_id, init_bm=True)

功能: 初始化分布式内存缓存客户端

参数:

device_id: 使用HBM时的NPU卡用户ID（支持ASCEND_RT_VISIBLE_DEVICES映射）
init_bm: 是否初始化BM提供内存，默认值为 True。设 False 时将启动纯client模式，不支持数据读写操作

返回值:

0: 成功
其他: 失败

get_local_service_id

store.get_local_service_id()

功能: 获取本地服务ID

close

store.close()

功能: 关闭并清理分布式内存缓存客户端

put

result = store.put(key, data, replicateConfig=defaultConfig)

功能: 将指定key的数据写入分布式内存缓存中

参数:

key: 数据的键，字符串类型
data: 要存储的字节数据
replicateConfig: 复制配置，具体请参考ReplicateConfig数据结构

返回值:

0: 成功
其他: 失败

put_batch

def put_batch(self, keys: List[str], values: List[bytes], replicateConfig: ReplicateConfig = None) -> int

功能: 在单个批处理操作中存储多个对象，提高处理效率

参数:

keys (List[str]): 对象标识符列表
values (List[bytes]): 要存储的二进制数据列表
replicateConfig (ReplicateConfig, optional): 所有对象的复制配置

返回值:

int: 状态码 (0: 成功, 非零: 失败错误码)

示例:

点击展开：put_batch示例

keys = ["key1", "key2", "key3"]
values = [b"value1", b"value2", b"value3"]
result = store.put_batch(keys, values)
assert result == 0, f"put_batch failed: {result}"

put_from

result = store.put_from(key, buffer_ptr, size, direct=SMEMB_COPY_H2G, replicateConfig=defaultConfig)

功能: 从预分配的缓冲区中写入数据，适用于需要高效内存管理的场景

参数:

key: 数据的键
buffer_ptr: 缓冲区指针
size: 数据大小
direct: 数据拷贝方向，可选值：
- SMEMB_COPY_H2G: 从主机内存到全局内存（默认）
- SMEMB_COPY_L2G: 从卡上内存到全局内存
replicateConfig: 复制配置，具体请参考ReplicateConfig数据结构

返回值:

0: 成功
其他: 失败

batch_put_from

result = store.batch_put_from(keys, buffer_ptrs, sizes, direct=SMEMB_COPY_H2G, replicateConfig=defaultConfig)

功能: 从预分配的缓冲区中批量写入数据，提高处理效率

参数:

keys: 键列表
buffer_ptrs: 缓冲区指针列表
sizes: 数据大小列表
direct: 数据拷贝方向，可选值：
- SMEMB_COPY_H2G: 从主机内存到全局内存（默认）
- SMEMB_COPY_L2G: 从卡上内存到全局内存
replicateConfig: 复制配置，具体请参考ReplicateConfig数据结构

返回值:

结果列表，每个元素表示对应写入操作的结果
- 0: 成功
- 其他: 错误

put_from_layers

result = store.put_from_layers(key, buffer_ptrs, sizes, direct=SMEMB_COPY_H2G, replicateConfig=defaultConfig)

功能: 从多个预分配的缓冲区中写入分层数据，适用于复杂数据结构的存储

参数:

key: 数据的键
buffer_ptrs: 缓冲区指针列表，每个指针对应一个数据层
sizes: 数据大小列表，每个元素对应一个数据层的大小
direct: 数据拷贝方向，可选值：
- SMEMB_COPY_H2G: 从主机内存到全局内存（默认）
- SMEMB_COPY_L2G: 从卡上内存到全局内存
replicateConfig: 复制配置，具体请参考ReplicateConfig数据结构

返回值:

0: 成功
其他: 失败

batch_put_from_layers

result = store.batch_put_from_layers(keys, buffer_ptrs_list, sizes_list, direct=SMEMB_COPY_H2G,
                                     replicateConfig=defaultConfig)

功能: 从多个预分配的缓冲区中批量写入分层数据，提高处理效率

参数:

keys: 数据键列表，每个键对应一个分层数据对象
buffer_ptrs_list: 缓冲区指针二维列表，外层列表对应每个键，内层列表对应每个键的各个数据层指针
sizes_list: 数据大小二维列表，外层列表对应每个键，内层列表对应每个键的各个数据层大小
direct: 数据拷贝方向，可选值：
- SMEMB_COPY_H2G: 从主机内存到全局内存（默认）
- SMEMB_COPY_L2G: 从卡上内存到全局内存
replicateConfig: 复制配置，具体请参考ReplicateConfig数据结构

返回值:

结果列表，每个元素表示对应写入操作的结果
- 0: 成功
- 其他: 错误

get

data = store.get(key)

功能: 获取指定key的数据

参数:

key: 数据的键

返回值:

成功时返回数据字节串
失败时返回空字节串

get_batch

def get_batch(self, keys: List[str]) -> List[bytes]

功能: 在单个批处理操作中检索多个对象，提高处理效率

参数:

keys(List[str]): 要检索的对象标识符列表

返回值:

List[bytes]: 检索到的二进制数据列表
成功时返回二进制数据列表，失败时返回空二进制数据列表

示例:

点击展开：get_batch示例

keys = ["key1", "key2", "key3"]
values = store.get_batch(keys)
for key, value in zip(keys, values):
    print(f"{key}: {len(value)} bytes")

get_into

result = store.get_into(key, buffer_ptr, size, direct=SMEMB_COPY_G2H)

功能: 将数据直接获取到预分配的缓冲区中，适用于需要高效内存管理的场景

参数:

key: 数据的键
buffer_ptr: 目标缓冲区指针
size: 缓冲区大小
direct: 数据拷贝方向，可选值：
- SMEMB_COPY_G2H: 从全局内存到主机内存（默认）
- SMEMB_COPY_G2L: 从全局内存到卡上内存

返回值:

0: 成功
其他: 失败

batch_get_into

results = store.batch_get_into(keys, buffer_ptrs, sizes, direct=SMEMB_COPY_G2H)

功能: 批量将数据获取到预分配的缓冲区中，提高处理效率

参数:

keys: 键列表
buffer_ptrs: 缓冲区指针列表
sizes: 缓冲区大小列表
direct: 数据拷贝方向，可选值：
- SMEMB_COPY_G2H: 从全局内存到主机内存（默认）
- SMEMB_COPY_G2L: 从全局内存到卡上内存

返回值:

结果列表，每个元素表示对应操作的结果
- 0: 成功
- 其他: 错误

get_into_layers

result = store.get_into_layers(key, buffer_ptrs, sizes, direct=SMEMB_COPY_G2H)

功能: 将数据分层获取到预分配的缓冲区中，适用于复杂数据结构的读取

参数:

key: 数据的键
buffer_ptrs: 目标缓冲区指针列表，每个指针对应一个数据层
sizes: 缓冲区大小列表，每个元素对应一个数据层的大小
direct: 数据拷贝方向，可选值：
- SMEMB_COPY_G2H: 从全局内存到主机内存（默认）
- SMEMB_COPY_G2L: 从全局内存到卡上内存

返回值:

0: 成功
其他: 失败

batch_get_into_layers

results = store.batch_get_into_layers(keys, buffer_ptrs_list, sizes_list, direct=SMEMB_COPY_G2H)

功能: 批量将分层数据获取到预分配的缓冲区中，提高处理效率

参数:

keys: 数据键列表，每个键对应一个分层数据对象
buffer_ptrs_list: 缓冲区指针二维列表，外层列表对应每个键，内层列表对应每个键的各个目标数据层指针
sizes_list: 缓冲区大小二维列表，外层列表对应每个键，内层列表对应每个键的各个数据层大小
direct: 数据拷贝方向，可选值：
- SMEMB_COPY_G2H: 从全局内存到主机内存（默认）
- SMEMB_COPY_G2L: 从全局内存到卡上内存

返回值:

结果列表，每个元素表示对应操作的结果
- 0: 成功
- 其他: 错误

remove

result = store.remove(key)

功能: 删除指定key的数据

参数:

key: 要删除的数据键

返回值:

0: 成功
其他: 失败

remove_batch

results = store.remove_batch(keys)

功能: 批量删除数据，提高处理效率

参数:

keys: 要删除的键列表

返回值:

结果列表，每个元素表示对应删除操作的结果
- 0: 成功
- 其他: 错误

remove_all

result = store.remove_all()

功能: 删除内存池中所有的键值对

返回值:

0: 成功
其他: 失败

is_exist

result = store.is_exist(key)

功能: 检查指定key是否存在

参数:

key: 要检查的键

返回值:

1: 存在
0: 不存在
其他: 错误

batch_is_exist

results = store.batch_is_exist(keys)

功能: 批量检查键是否存在，提高处理效率

参数:

keys: 要检查的键列表

返回值:

结果列表，每个元素表示对应键的存在状态：
- 1: 存在
- 0: 不存在
- 其他: 错误

get_key_info

key_info = store.get_key_info(key)

功能: 获取指定key的数据信息

参数:

key: 数据的键

返回值:

KeyInfo对象，包含以下方法：
- size(): 获取数据大小
- loc_list(): 获取数据位置列表
- type_list(): 获取数据类型列表
- __str__(): 获取信息的字符串表示

batch_get_key_info

key_infos = store.batch_get_key_info(keys)

功能: 批量获取多个key的数据信息，提高处理效率

参数:

keys: 数据键列表

返回值:

KeyInfo对象列表，每个对象包含以下方法：
- size(): 获取数据大小
- loc_list(): 获取数据位置列表
- type_list(): 获取数据类型列表
- __str__(): 获取信息的字符串表示

register_buffer

result = store.register_buffer(buffer_ptr, size)

功能: 注册内存缓冲区，用于Device RDMA的加速操作

参数:

buffer_ptr: 缓冲区指针
size: 缓冲区大小

返回值:

0: 成功
其他: 失败

unregister_buffer

result = store.unregister_buffer(buffer_ptr, size)

功能: 注销内存缓冲区，用于Device RDMA的加速操作

参数:

buffer_ptr: 缓冲区指针
size: 缓冲区大小

返回值:

0: 成功
其他: 失败

使用示例

基本使用示例(推荐)

以下示例展示了如何使用LocalConfig配置并使用DistributedObjectStore：

from memcache_hybrid import LocalConfig, DistributedObjectStore, ReplicateConfig

# 创建配置对象
config = LocalConfig()
config.meta_service_url = "tcp://192.168.1.1:5000"
config.config_store_url = "tcp://192.168.1.1:6000"
config.protocol = "device_sdma"
config.dram_size = "10GB"
config.hbm_size = "5GB"
config.client_timeout_seconds = 30

# 初始化存储客户端
store = DistributedObjectStore()
result = store.setup(config)  # 设置配置
if result != 0:
    raise Exception(f"Failed to setup store: {result}")

result = store.init(device_id=0, init_bm=True)
if result != 0:
    raise Exception(f"Failed to init store: {result}")

# 执行数据操作
# 创建复制配置
replica_cfg = ReplicateConfig()
replica_cfg.replicaNum = 3
replica_cfg.preferredLocalServiceIDs = [101, 102, 103]

# 存储数据
buffer = bytearray(b"example_data")
result = store.put("key1", buffer, replica_cfg)
if result != 0:
    raise Exception(f"Failed to put data: {result}")

# 检索数据
data = store.get("key1")
print(f"Retrieved data: {data}")

# 检查数据是否存在
exists = store.is_exist("key1")
print(f"Data exists: {exists}")

# 删除数据
result = store.remove("key1")
if result != 0:
    raise Exception(f"Failed to remove data: {result}")

# 关闭连接
store.close()

使用环境变量进行配置

以下示例展示了如何使用环境变量配置客户端（兼容原有方式）：

export MMC_LOCAL_CONFIG_PATH=/path/to/local_config.conf

import os
from memcache_hybrid import DistributedObjectStore

# 创建并初始化客户端
store = DistributedObjectStore()
result = store.init(device_id=0)
if result != 0:
    raise Exception(f"Failed to init store: {result}")

# 执行数据操作
buffer = bytearray(b"example_data")
result = store.put("key1", buffer)
if result != 0:
    raise Exception(f"Failed to put data: {result}")

# 检索数据
data = store.get("key1")
print(f"Retrieved data: {data}")

# 关闭连接
store.close()

批量操作示例

以下示例展示了如何使用批量操作提高处理效率：

from memcache_hybrid import LocalConfig, DistributedObjectStore

# 创建配置和客户端
config = LocalConfig()
config.meta_service_url = "tcp://192.168.1.1:5000"
config.meta_se·rvice_url = "tcp://192.168.1.1:5000"
config.protocol = "device_sdma"

store = DistributedObjectStore()
store.setup(config)
store.init(device_id=0, init_bm=True)

# 批量存储数据
keys = ["key1", "key2", "key3", "key4", "key5"]
values = [b"value1", b"value2", b"value3", b"value4", b"value5"]
result = store.put_batch(keys, values)
if result != 0:
    raise Exception(f"Failed to put batch: {result}")

# 批量检索数据
retrieved_values = store.get_batch(keys)
for key, value in zip(keys, retrieved_values):
    print(f"{key}: {value}")

# 批量检查数据是否存在
existence = store.batch_is_exist(keys)
print(f"Existence: {existence}")

# 批量删除数据
results = store.remove_batch(keys)
print(f"Remove results: {results}")

# 关闭连接
store.close()

数据结构与枚举类型

BmCopyType 枚举类型

用于指定数据拷贝方向的枚举类型：

H2G: 从主机内存到全局内存
L2G: 从卡上内存到全局内存
G2H: 从全局内存到主机内存
G2L: 从全局内存到卡上内存
AUTO: 根据内存类型自动选择拷贝方向

LocalConfig 配置类

客户端配置结构体，用于设置分布式内存缓存客户端的各种参数。详情请参考LocalConfig 类的参数说明。

ReplicateConfig 配置类

客户端复制配置结构体，用于设置数据复制策略：

replicaNum: 副本数，最大为8，默认为1
preferredLocalServiceIDs: 强制分配的实例ID列表，列表大小必须小于或等于replicaNum

错误码

错误码	说明
0	操作成功
-1	一般错误
-3000	参数无效
-3001	内存分配失败
-3002	对象创建失败
-3003	服务未启动
-3004	操作超时
-3005	重复调用
-3006	对象已存在
-3007	对象不存在
-3008	未初始化
-3009	网络序列号重复
-3010	网络序列号未找到
-3011	已通知
-3013	超出容量限制
-3014	连接未找到
-3015	网络请求句柄未找到
-3016	内存不足
-3017	未连接到元数据服务
-3018	未连接到本地服务
-3019	客户端未初始化
-3101	状态不匹配
-3102	键不匹配
-3103	返回值不匹配
-3104	租约未到期
-3105	元数据备份失败

注意事项

所有键的长度必须小于256字节
支持同步和异步两种操作模式
批量操作可以显著提高处理效率，建议在大量数据操作时使用
TLS配置需要确保证书路径和权限正确
客户端需要与meta service保持网络连通性
初始化时设置init_bm为False将启动纯client模式，不支持数据读写操作

FilesExpand file tree

memcache_python_api.md

Latest commit

History

memcache_python_api.md

File metadata and controls

MemCache Python API 文档

概述

主要特性

适用场景

安装指南

前提条件

安装步骤

核心接口

接口概述

MetaConfig 类

MetaService 类

setup

main

LocalConfig 类

DistributedObjectStore 类

init

setup

init

get_local_service_id

close

put

put_batch

put_from

batch_put_from

put_from_layers

batch_put_from_layers

get

get_batch

get_into

batch_get_into

get_into_layers

batch_get_into_layers

remove

remove_batch

remove_all

is_exist

batch_is_exist

get_key_info

batch_get_key_info

register_buffer

unregister_buffer

使用示例

基本使用示例(推荐)

使用环境变量进行配置

批量操作示例

数据结构与枚举类型

BmCopyType 枚举类型

LocalConfig 配置类

ReplicateConfig 配置类

错误码

注意事项