扩展 CLI#
本指南介绍如何为 lmcache CLI 添加新子命令。
架构概述#
CLI 使用显式命令注册:
每个命令都是一个继承自
BaseCommand的类。所有命令均在中央
ALL_COMMANDS注册表中实例化并列出。启动时,入口点遍历
ALL_COMMANDS并调用cmd.register(subparsers),将各子命令注册到 argparse。
BaseCommand 是一个抽象类,包含少量必需方法(名称、帮助、参数注册及执行)。若遗漏其中任一方法,实例化时将引发 TypeError。
逐步指南:添加新命令#
步骤 1. 创建一个继承自 BaseCommand 的新命令类:
# SPDX-License-Identifier: Apache-2.0
import argparse
from lmcache.cli.commands.base import BaseCommand
class DescribeCommand(BaseCommand):
def name(self) -> str:
return "describe"
def help(self) -> str:
return "Describe a running KV cache server."
def add_arguments(self, parser: argparse.ArgumentParser) -> None:
parser.add_argument("--url", required=True,
help="LMCache HTTP server URL (e.g. http://localhost:8000)")
def execute(self, args: argparse.Namespace) -> None:
# Connect to server, gather info...
metrics = self.create_metrics("Describe KV Cache", args)
metrics.add("status", "Status", "OK")
metrics.add("chunks", "Cached chunks", 1024)
metrics.emit()
步骤 2. 将其实例添加到 ALL_COMMANDS 注册表中:
from lmcache.cli.commands.describe import DescribeCommand
ALL_COMMANDS: list[BaseCommand] = [
# ... existing commands ...
DescribeCommand(), # add here
]
至此,lmcache describe --url http://localhost:8000 即可正常使用。
使用指标系统#
指标系统使用 处理器 + 格式化器 架构:
指标 — 收集器。包含部分和条目。
处理器 — 目标(标准输出、文件等)。
格式化器 — 渲染(ASCII 表格、JSON 等)。
BaseCommand.create_metrics() 会自动配置默认处理器,命令开发者只需构建指标数据并调用 emit() 即可:
def execute(self, args: argparse.Namespace) -> None:
# create_metrics() auto-registers:
# - StreamHandler → stdout (formatter chosen by --format, default: terminal)
# - FileHandler → if --output is set (same format as --format)
metrics = self.create_metrics("Bench KV Cache Result", args)
# Create named sections
metrics.add_section("ops", "Operations (ops/s)")
metrics["ops"].add("store", "Store", 41.3)
metrics["ops"].add("retrieve", "Retrieve", 127.3)
# Top-level metrics (no section header)
metrics.add("status", "Status", "OK")
# Trigger all handlers
metrics.emit()
--format 和 --output 标志由 BaseCommand.register() 自动添加 — 子命令无需手动添加。