CUP от Baidu заменяет десятки Python фреймворков одной зависимостью

Если вы пишете на Python скрипты автоматизации, парсеры или бэкенд-сервисы и каждый раз тратите время на подбор мелких утилит, CUP может сократить этот этап до одной команды установки. Ниже разберём, что внутри, как поставить и как применить основные модули на практике.

Что понадобится?

• Python 3.x (библиотека проверяет версию через встроенный модуль cup.platforms)
• pip, менеджер пакетов Python
• Google Colab или локальная среда с терминалом (инструкция проверена в Colab)
• Linux-окружение для модулей мониторинга ресурсов и файловых блокировок (на macOS и Windows часть функций будет недоступна)
• Примерно 30 минут на установку и первый прогон всех модулей

Пошаговая инструкция

1. Установите CUP и проверьте окружение

Откройте терминал или ячейку Colab и выполните:

pip install -q cup pytz

Затем убедитесь, что библиотека встала корректно:

import cup
from cup import platforms

print("CUP version:", getattr(cup, "__version__", "unknown"))
print("is_linux:", platforms.is_linux())
print("is_py3:", platforms.is_py3())

Модуль platforms сразу показывает, на какой ОС вы работаете. Это полезно, потому что некоторые функции CUP работают только под Linux.

2. Настройте структурированное логирование

CUP умеет писать логи одновременно в файл и в консоль с ротацией (автоматическим разбиением файла при достижении заданного размера). Ротация логов означает, что когда файл вырастает до указанного лимита, библиотека создаёт новый файл, а старый архивирует:

from cup import log
import tempfile, os

LOGFILE = os.path.join(tempfile.gettempdir(), "cup_tutorial.log")

log.init_comlog(
    "cup_tutorial",       # имя логгера
    log.INFO,             # минимальный уровень
    LOGFILE,              # путь к файлу
    log.ROTATION,         # включить ротацию
    10 * 1024 * 1024,     # максимум 10 МБ на файл
    True,                 # печатать в stdout
    False,                # не печатать в stderr
)

log.info("Запись в файл и в консоль одновременно")
log.warning("Предупреждение")
log.info_if(2 > 1, "Условный лог: выведется, если условие истинно")

Метод info_if удобен для отладки: лог-запись появляется только при выполнении условия, не нужно оборачивать каждый вызов в if.

3. Используйте встроенные декораторы

CUP предлагает несколько декораторов (обёрток, которые добавляют поведение к функциям и классам без изменения их кода):

from cup import decorators

@decorators.Singleton
class AppConfig:
    def __init__(self):
        self.created_at = __import__("time").time()

a, b = AppConfig(), AppConfig()
print("a is b:", a is b)  # True: объект создаётся ровно один раз

Декоратор Singleton гарантирует, что класс создаст только один экземпляр. Для конфигурации приложения это типовая задача.

Декоратор TraceUsedTime замеряет время выполнения функции:

@decorators.TraceUsedTime(
    b_print_stdout=True,
    enter_msg="начало вычисления",
    leave_msg="конец вычисления",
)
def heavy_compute():
    import time
    time.sleep(0.2)
    return sum(range(200000))

print("Результат:", heavy_compute())

4. Загрузите вложенную конфигурацию из файла

Модуль cup.util.conf умеет читать конфигурационные файлы с секциями, подсекциями и повторяющимися ключами, а затем превращать их в обычный Python-словарь:

from cup.util import conf

cfg = conf.Configure2Dict("config.conf", separator=":").get_dict()
print(cfg["host"])
print(cfg["monitor"]["thresholds"]["cpu_max"])

Конфигурацию можно изменить в коде и записать обратно:

cfg["port"] = "10085"
conf.Dict2Configure(cfg, separator=":").write_conf("config_new.conf")

Цикл «прочитал, изменил, сохранил» работает без сторонних библиотек вроде PyYAML или TOML.

5. Подключите кеш и генерацию идентификаторов

Встроенный KV-кеш (хранилище «ключ-значение» в оперативной памяти) поддерживает TTL (время жизни записи):

from cup import cache

kv = cache.KVCache(name="demo")
kv.set({"user:1": "alice"}, expire_sec=2)
print(kv.get("user:1"))  # "alice"
# через 2 секунды ключ исчезнет автоматически

Для автоматизации и парсинга часто нужны уникальные идентификаторы. CUP предлагает генератор прямо из коробки, без подключения отдельных пакетов.

6. Запустите пул потоков

Модуль cup.thread даёт готовый пул потоков (механизм для параллельного выполнения нескольких задач):

from cup import thread

pool = thread.ThreadPool(num_threads=4)
# добавляйте задачи в пул через его API

Для задач, которые нужно прервать по таймауту, CUP предлагает «прерываемые потоки», этот функционал обычно приходится реализовывать вручную или искать в сторонних пакетах.

Что делать с этим прямо сейчас, по ролям

Разработчику-автоматизатору. Если вы пишете скрипты для парсинга, мониторинга или ETL-пайплайнов на Python, попробуйте заменить связку logging + cachetools + concurrent.futures на CUP. Один pip install cup вместо трёх-четырёх зависимостей.

Автору Дзена, который учится кодить. CUP подходит как учебный фреймворк для Python: код примеров короткий, модули покрывают реальные задачи от логов до потоков. Статья-разбор с примерами кода хорошо собирает техническую аудиторию.

Предпринимателю и тимлиду. Библиотека опенсорсная (с открытым исходным кодом), лицензия позволяет использовать в коммерческих проектах. Но учтите: часть модулей (мониторинг ресурсов, файловые блокировки) работает только под Linux.

начало вычисления
конец вычисления
Результат: 19999900000

Библиотека ставится одной командой и не требует регистрации или API-ключей. Если вы давно искали компактный фреймворк для Python, который закрывает рутинные задачи без десятка зависимостей, CUP стоит попробовать на тестовом проекте, прежде чем тянуть в продакшен.