RabbitMQ
RabbitMQ是一个在AMQP基础上完整的，可复用的企业消息系统。
MQ全称Message Queue，消息队列（MQ）是一种应用程序对应用程序的通信方式。应用程序通过读写出入队列的消息（针对应用程序的数据）来通信，而无需专用连接来链接它们。消息传递指的是程序之间通过在消息中发送数据进行通信，而不是通过直接调用彼此来通信，直接调用通常是用于诸如远程过程调用的技术。排队指的是应用程序通过队列来通信。队列的使用除去了接收和发送应用程序同时执行的要求。
安装python RabbitMQ 模块
pip install pika or easy_install pika
实现一一个简单的队列通信
send端：
import pika #与RabbitMQ server建立连接 connection = pika.BlockingConnection(pika.ConnectionParameters( 'localhost')) #服务器地址 channel = connection.channel() #声明queue队列以向其发送消息信息，queue=’hello’ 指定队列名字 channel.queue_declare(queue='hello') #message不能直接发送给queue，需要exchange到达queue，此处使用以空字符串的默认的exchage
#使用默认exchange时允许荣光routing_key明确指定message被发送给哪个queue
#body参数指定了要发送的message内存 channel.basic_publish(exchange='', routing_key='hello', body='Hello World!') print(" [x] Sent 'Hello World!'") #关闭与RabbitMQ server间的连接
connection.close()
receive端：
import pika #建立到达RabbitMQ server的连接
#这里RabbitMQ 位于本机 localhost connection = pika.BlockingConnection(pika.ConnectionParameters( 'localhost')) channel = connection.channel() #声明queue，确认要从中接收message的queue
# queue_declare 函数 可以运行多次，但只会创建一次
#若可以确认queue是已经存在的，则这里可以省略，但是要习惯这里重新声明 channel.queue_declare(queue='hello') # 定义回调函数
#一旦从queue中接收到一个消息回调函数将被调用 def callback(ch, method, properties, body): print(" [x] Received %r" % body) # 从queue接收消息的设置
#包括重哪个queue接收消息，用于处理消息的callback，是否要确认消息
#默认情况下要对消息进行确认，以防消息丢失
#此处 no_ack=True ，不对消息进行确认 channel.basic_consume(callback, queue='hello', no_ack=True) print(' [*] Waiting for messages. To exit press CTRL+C') # 开始循环从queue中接收消息，并使用回调函数进行处理
channel.start_consuming()
Work Queues
在这种模式下，RabbitMQ会默认把p发的消息依次分发给各个消费者（C），有点类似轮询
P端代码：
import pika connection = pika.BlockingConnection(pika.ConnectionParameters( 'localhost')) channel = connection.channel() #声明queue channel.queue_declare(queue='task_queue') import sys # 从命令行构造将要发送的消息 message = ' '.join(sys.argv[1:]) or "Hello World!"
#除了要声明queue是持久化的外，还要生命消息是持久化的
#basic_publish的properties参数指定的消息属性
#此处pika.BasicProperties中的delivery_mode = 2 指明消息为持久化
channel.basic_publish(exchange='', routing_key='task_queue', body=message, properties=pika.BasicProperties( delivery_mode = 2, )) print(" [x] Sent %r" % message) connection.close()
C端代码：
import pika,time #默认情况RabbitMQ 将消息以round-robin方式发送给下一个consumer
#每个consumer接收到的平均 消息量是一样的 connection = pika.BlockingConnection(pika.ConnectionParameters( 'localhost')) channel = connection.channel() def callback(ch, method, properties, body): print(" [x] Received %r" % body) time.sleep(body.count(b'.')) print(" [x] Done") ch.basic_ack(delivery_tag = method.delivery_tag) channel.basic_consume(callback, queue='task_queue', ) print(' [*] Waiting for messages. To exit press CTRL+C') channel.start_consuming()
消息持久化
在声明Queue时使用queue_declare，添加durable=True，代表着消息被持久化了，就是RabbitMQ重启后queue仍然存在
#仅仅对message进行确认不能保证消息，不丢失，比如RabbitMQ 崩溃了queue就会丢失
channel.queue_declare(queue='hello', durable=True)
消息公平分发
类似负载均衡
如果Rabbit按顺序把消息发送到各个消费者，不考虑负载情况的话，有可能出现配置不高的消费者堆积了很多消息处理不完，配置高的消费着一直清闲。为了解决这个问题，可以再过各个消费者端，配置 perfetch=1，意思就是告诉RabbitMQ在这个消费者还没有处理完之前不再接收新的消息。
channel.basic_qos(prefetch_count=1)
带消息持久化和公平分发的完整代码
生产者：
import pika import sys connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.queue_declare(queue='task_queue', durable=True) message = ' '.join(sys.argv[1:]) or "Hello World!" channel.basic_publish(exchange='', routing_key='task_queue', body=message, properties=pika.BasicProperties( delivery_mode = 2, # make message persistent )) print(" [x] Sent %r" % message) connection.close()
消费者：
import pika import time connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.queue_declare(queue='task_queue', durable=True) print(' [*] Waiting for messages. To exit press CTRL+C') def callback(ch, method, properties, body): print(" [x] Received %r" % body) time.sleep(body.count(b'.')) print(" [x] Done") ch.basic_ack(delivery_tag = method.delivery_tag) channel.basic_qos(prefetch_count=1) channel.basic_consume(callback, queue='task_queue') channel.start_consuming()
Publish、Subscribe（消息发布，订阅）
之前的例子都是1对1的消息发送和接收，即消息只能发送到指定的queue里，但有时候想让queue有类似广播的效果，这时候就要用到exchange。
exchange在定义的时候是有类型的，以决定到底是哪些queue符合条件，可以接收消息
fanout：所有bind到exchange的queue都可以接收到消息
direct：通过routingKey和exchange 决定的那个唯一的queue可以接收消息
topic：所有符合routingKey（此时可以是一个表达）的bind的queue可以接收消息
表达式符号说明：#代表一个或多个字符，* 代表任何字符
使用RoutingKey为#，Exchange Type为topic的时候相当于使用fanout
headers：通过headers来决定把消息发给哪些queue
例子：
消息Publisher：
import pika import sys connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.exchange_declare(exchange='logs', type='fanout') message = ' '.join(sys.argv[1:]) or "info: Hello World!" channel.basic_publish(exchange='logs', routing_key='', body=message) print(" [x] Sent %r" % message) connection.close()
消费Subscriber：
import pika connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.exchange_declare(exchange='logs', type='fanout') result = channel.queue_declare(exclusive=True) #不指定queue名字,rabbit会随机分配一个名字,exclusive=True会在使用此queue的消费者断开后,自动将queue删除 queue_name = result.method.queue channel.queue_bind(exchange='logs', queue=queue_name) print(' [*] Waiting for logs. To exit press CTRL+C') def callback(ch, method, properties, body): print(" [x] %r" % body) channel.basic_consume(callback, queue=queue_name, no_ack=True) channel.start_consuming()
有选择的接收消息（exchange type=direct）
RabbitMQ还支持根据关键字发送，即：队列绑定关键字，发送者将数据根据关键字发送到消息exchange，exchange根据关键字判断应该将数据发送至指定队列。
publisher：
import pika import sys connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.exchange_declare(exchange='direct_logs', type='direct') severity = sys.argv[1] if len(sys.argv) > 1 else 'info' message = ' '.join(sys.argv[2:]) or 'Hello World!' channel.basic_publish(exchange='direct_logs', routing_key=severity, body=message) print(" [x] Sent %r:%r" % (severity, message)) connection.close()
Subscriber：
import pika import sys connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.exchange_declare(exchange='direct_logs', type='direct') result = channel.queue_declare(exclusive=True) queue_name = result.method.queue severities = sys.argv[1:] if not severities: sys.stderr.write("Usage: %s [info] [warning] [error] " % sys.argv[0]) sys.exit(1) for severity in severities: channel.queue_bind(exchange='direct_logs', queue=queue_name, routing_key=severity) print(' [*] Waiting for logs. To exit press CTRL+C') def callback(ch, method, properties, body): print(" [x] %r:%r" % (method.routing_key, body)) channel.basic_consume(callback, queue=queue_name, no_ack=True) channel.start_consuming()
### no_ack=False，如果生产者遇到情况挂掉，那么RabbitMQ会重新将该任务添加到队列中。
更细致的消息过滤
pubisher
import pika import sys connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.exchange_declare(exchange='topic_logs', type='topic') routing_key = sys.argv[1] if len(sys.argv) > 1 else 'anonymous.info' message = ' '.join(sys.argv[2:]) or 'Hello World!' channel.basic_publish(exchange='topic_logs', routing_key=routing_key, body=message) print(" [x] Sent %r:%r" % (routing_key, message)) connection.close()
Subscriber
import pika import sys connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.exchange_declare(exchange='topic_logs', type='topic') result = channel.queue_declare(exclusive=True) queue_name = result.method.queue binding_keys = sys.argv[1:] if not binding_keys: sys.stderr.write("Usage: %s [binding_key]... " % sys.argv[0]) sys.exit(1) for binding_key in binding_keys: channel.queue_bind(exchange='topic_logs', queue=queue_name, routing_key=binding_key) print(' [*] Waiting for logs. To exit press CTRL+C') def callback(ch, method, properties, body): print(" [x] %r:%r" % (method.routing_key, body)) channel.basic_consume(callback, queue=queue_name, no_ack=True) channel.start_consuming()
Remote procedure call（RPC）
fibonacci_rpc = FibonacciRpcClient() result = fibonacci_rpc.call(4) print("fib(4) is %r" % result)
RPC server
import pika import time connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) channel = connection.channel() channel.queue_declare(queue='rpc_queue') def fib(n): if n == 0: return 0 elif n == 1: return 1 else: return fib(n-1) + fib(n-2) # 回调函数，从queue接收到消息后调用该函数进行处理 def on_request(ch, method, props, body): n = int(body) print(" [.] fib(%s)" % n) response = fib(n) # exchange 为空字符串则将消息发送给routing_key指定的queue
# 这里queue为回调函数参数的props中reply_ro指定的queue
# 要发送的消息为计算所地的背波那契数
# properties 中 correlation_id 只定为回调函数参数props中的的correlation_id
# 最后对消息进行确认 ch.basic_publish(exchange='', routing_key=props.reply_to, properties=pika.BasicProperties(correlation_id = props.correlation_id), body=str(response)) ch.basic_ack(delivery_tag = method.delivery_tag) # 只有consumer已经处理并确认了上一条消息时queue才会派发新的消息 channel.basic_qos(prefetch_count=1)
# 设置consumeer参数，即从哪个queue获取消息使用哪个函数进行处理，是否对消息进行确认 channel.basic_consume(on_request, queue='rpc_queue') print(" [x] Awaiting RPC requests") # 开始接收并处理消息
channel.start_consuming()
RPC client
import pika import uuid # 在一个类中封装了connection建立，queue声明，consumer配置，回调函数等 class FibonacciRpcClient(object): def __init__(self):
# 建立到RabbitMQ的connection self.connection = pika.BlockingConnection(pika.ConnectionParameters( host='localhost')) self.channel = self.connection.channel() # 声明一个临时的回调队列 result = self.channel.queue_declare(exclusive=True) self.callback_queue = result.method.queue #此处clinet既是producer又是consumer，因此要配置consumer参数
# 这里的指明从client自己创建的临时队列中接收消息
# 并使用on_response函数处理消息
#不对消息进行确认 self.channel.basic_consume(self.on_response, no_ack=True, queue=self.callback_queue) # 定义回调函数
# 比较类的corr_id属性与props中corr_id属性的值
# 若相同则response属性为接收到的消息 def on_response(self, ch, method, props, body): if self.corr_id == props.correlation_id: self.response = body def call(self, n):
# 初始化response 和corr_id属性 self.response = None self.corr_id = str(uuid.uuid4())
# 使用默认exchange向server中定义的rpc_queue发送消息
# 在properties中指定replay_to属性和correlation_id属性用于告知远程server
# correlation_id属性用于匹配 request和response self.channel.basic_publish(exchange='', routing_key='rpc_queue', properties=pika.BasicProperties( reply_to = self.callback_queue, correlation_id = self.corr_id, ),
# 消息需要为字符串 body=str(n)) while self.response is None: self.connection.process_data_events() return int(self.response) # 生成类的实例 fibonacci_rpc = FibonacciRpcClient() print(" [x] Requesting fib(30)")
# 调用实例的call方法
response = fibonacci_rpc.call(30) print(" [.] Got %r" % response)
Memcached
memcached是一个高性能的分布式内存对象缓存系统，用于动态web应用以减轻数据库负载。它通过在内存中缓存数据和对象来减少读取数据库的次数，从而提高动态，数据库驱动网站的速度。
memcached基于一个存储键值对的hashmap。其守护进程（demeon）是用C写的，但是客户端可以用任何语言来编写，并通过memcached协议与守护进程通信。
安装省略
启动memcached
memcached -d -m 10 -u root -l 10.211.55.4 -p 12000 -c 256 -P /tmp/memcached.pid 参数说明: -d 是启动一个守护进程 -m 是分配给Memcache使用的内存数量，单位是MB -u 是运行Memcache的用户 -l 是监听的服务器IP地址 -p 是设置Memcache监听的端口,最好是1024以上的端口 -c 选项是最大运行的并发连接数，默认是1024，按照你服务器的负载量来设定 -P 是设置保存Memcache的pid文件
memcached命令：
存储命令: set/add/replace/append/prepend/cas 获取命令: get/gets 其他命令: delete/stats..
第一次操作
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True) #debug=True 表示运行出现错误时，显示错误信息，上线后移除该参数 mc.set("foo", "bar") ret = mc.get('foo') print(ret)
天生支持集群
python-memcached模块原生支持集群操作，其原理是在内存维护一个i额主机列表，且集群中主机的权重值和主机在列表中重复出现的次数成正比。
如果用户在内存中创建一个键值对（如：k1 = ‘v1’），那么要执行以下步鄹：
- 根据算法将k1转换成一个数字
- 将数字和主机长度求余数，得到一个值N（0 <= N < 列表长度）
- 在主机列表中根据第2步得到的值为索引获取主机，例如host_list[N]
- 连接 将第3步中获取的主机，将 k1 = ‘v1’放置在该服务器的内存中
代码实现如下：
mc = memcache.Client([('1.1.1.1:12000', 1), ('1.1.1.2:12000', 2), ('1.1.1.3:12000', 1)], debug=True) mc.set('k1', 'v1')
add
添加一条键值对，如果已经存在的key，重复执行add操作异常
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True) mc.add('k1', 'v1') # mc.add('k1', 'v2') # 报错，对已经存在的key重复添加，失败！！！
replace
replace修改某个key的值，如果key不存在，则异常
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True) # 如果memcache中存在kkkk，则替换成功，否则异常 mc.replace('kkkk','999')
set 和 set_multi
set 设置一个键值对，如果key不存在，则创建，如果key存在，则修改
set_multi 设置多个键值对，如果key不存在，则创建，如果key存在，则修改
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True) mc.set('key0', 'wupeiqi') mc.set_multi({'key1': 'val1', 'key2': 'val2'})
delete 和 delete_multi
delete 删除指定的一个键值对
delete_multi 删除指定的多个键值对
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True) mc.delete('key0') mc.delete_multi(['key1', 'key2'])
get 和 get_multi
get 获取一个键值对
get_multi 获取多个键值对
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True) val = mc.get('key0') item_dict = mc.get_multi(["key1", "key2", "key3"])
append 和 prepend
append 修改指定key的值，在该值后面追加内容
prepend 修改指定key的值，在该值前面插入内容
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True) # k1 = "v1" mc.append('k1', 'after') # k1 = "v1after" mc.prepend('k1', 'before') # k1 = "beforev1after"
decr 和 incr
incr 自增，将某一个值增加N（默认为1）
decr 自减
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True) mc.set('k1', '777') mc.incr('k1') # k1 = 778 mc.incr('k1', 10) # k1 = 788 mc.decr('k1') # k1 = 787 mc.decr('k1', 10) # k1 = 777
gets 和 cas
如果商城剩余个数，假设count = 900
A用户刷新页面得到的的count = 900
B用户刷新页面得到的的count = 900
如果A，B都购买商品则缓存中的结构都是count = 899，但是实际不是这样
为了避免这样的情况发生，需要用到gets 和cas
import memcache mc = memcache.Client(['10.211.55.4:12000'], debug=True, cache_cas=True) v = mc.gets('product_count') # ... # 如果有人在gets之后和cas之前修改了product_count，那么，下面的设置将会执行失败，剖出异常，从而避免非正常数据的产生 mc.cas('product_count', "899")
ps：本质上每次执行gets时，会从memcached中获取一个自增的数字，通过cas去修改gets的值时，会携带之前获取的自增值和memcache中的自增值进行比较，如果相等，则额可以提交，如果不相等，那么表示gets和cas执行之间，又有其他人执行了gets（获取了缓冲的指定值），可能出现非正常数据，则不允许修改。
Redis
redis是一个key-value存储系统，和memcache类似，它支持的Value类型相对更多，包括字符串，列表，set（集合），zset（有序集合），hash。这些数据类型都支持push，pop，add，remove及取交集并集差集及更丰富的操作。在此基础上，redis支持各种不同方式的排序。与memcache一样，为了保证效率，数据都是缓存在内存中，区别的是redis会周期性的把更新的数据写入磁盘或者把修改写入追加的记录文件，并且在此基础上实现了主从同步。每个redis有16个库，用户自己无法创建，默认使用第一个库（db = 0）。
操作模式
redis-py提供了两类redis和strictedis用于实现redis的命令，stricttedis用于实习大部分官方命令，并使用官方的语法和命令，reids是stricttedis的子类，用于向后兼容旧版本的redis-py
import redis r = redis.Redis(host='10.211.55.4', port=6379) r.set('foo', 'Bar') print(r.get('foo'))
连接池
redis-py使用connection pool 来管理对一个redis server的所有连接，避免每次建立，释放连接的开销。默认，每个redis实例都会维护一个自己的连接池，然后为参数reids，这样就可以实现多个redis实例共享一个连接池。
import redis pool = redis.ConnectionPool(host='10.211.55.4', port=6379) r = redis.Redis(connection_pool=pool) r.set('foo', 'Bar') print(r.get('foo'))
操作：
set(name,value,ex=None,px=None,nx=False,xx=False)
在Redis中设置值，默认，不存在则创建，存在则修改
参数：
ex，过期时间（秒）
px，过期时间（毫秒）
nx，如果设置为True，则只有name不存在时，当前set操作才执行
xx，如果设置为True，则只有name存在时，岗前set操作才执行
setnx(name,value)
设置值，只有name不存在时，执行设置操作（添加）
setex(name,value,time)
# 设置值 # 参数： # time，过期时间（数字秒 或 timedelta对象）
psetex(name,time_ms,value)
# 设置值 # 参数： # time_ms，过期时间（数字毫秒 或 timedelta对象）
mset(*args,**kwargs)
批量设置值 如： mset(k1='v1', k2='v2') 或 mget({'k1': 'v1', 'k2': 'v2'})
get(name)
#获取值
mget(keys,*args)
批量获取 如： mget('ylr', 'abc') 或 r.mget(['ylr', 'abc'])
getset(name,value)
# 设置新值并获取原来的值
getrange(key,start,end)
# 获取子序列（根据字节获取，非字符） # 参数： # name，Redis 的 name # start，起始位置（字节） # end，结束位置（字节） # 如： "我是谁" ，0-3表示 "我"
setrange(name,offset,value)
# 修改字符串内容，从指定字符串索引开始向后替换（新值太长时，则向后添加） # 参数： # offset，字符串的索引，字节（一个汉字三个字节） # value，要设置的值
setbit(name,offset,value)
# 对name对应值的二进制表示的位进行操作 # 因为值在redis里面是以字符形式存在的，所以这里在操作数字的时候，这里数字需要先找到对应的ASCII的值，把这个ASCII十进制数转换为二进制数，再进行操作 # 参数： # name，redis的name # offset，位的索引（将值变换成二进制后再进行索引） # value，值只能是 1 或 0 # 注：如果在Redis中有一个对应： n1 = "foo"， 那么字符串foo的二进制表示为：01100110 01101111 01101111 所以，如果执行 setbit('n1', 7, 1)，则就会将第7位设置为1， 那么最终二进制则变成 01100111 01101111 01101111，即："goo" # 扩展，转换二进制表示： source = "foo" for i in source: num = ord(i) print(bin(num).replace('b',''))
getbit(name,offset)
# 获取name对应的值的二进制表示中的某位的值 （0或1）
bitcount(key,start=None,end=None)
# 获取name对应的值的二进制表示中 1 的个数 # 参数： # key，Redis的name # start，位起始位置 # end，位结束位置
bitop(operation,dest,*keys)
# 获取多个值，并将值做位运算，将最后的结果保存至新的name对应的值 # 参数： # operation,AND（并） 、 OR（或） 、 NOT（非） 、 XOR（异或） # dest, 新的Redis的name # *keys,要查找的Redis的name # 如： bitop("AND", 'new_name', 'n1', 'n2', 'n3') # 获取Redis中n1,n2,n3对应的值，然后讲所有的值做位运算（求并集），然后将结果保存 new_name 对应的值中
strlen(name)
# 返回name对应值的字节长度（一个汉字3个字节）
incr(self,name,amount=1)
# 自增 name对应的值，当name不存在时，则创建name＝amount，否则，则自增。 # 参数： # name,Redis的name # amount,自增数（必须是整数） # 注：同incrby
incrbyfloat(self,name,amout=1.0)
# 自增 name对应的值，当name不存在时，则创建name＝amount，否则，则自增。 # 参数： # name,Redis的name # amount,自增数（浮点型）
decr(self,name,amout =1)
# 自减 name对应的值，当name不存在时，则创建name＝amount，否则，则自减。 # 参数： # name,Redis的name # amount,自减数（整数）
append(key,value)
# 在redis name对应的值后面追加内容 # 参数： key, redis的name value, 要追加的字符串
hash操作
hset(name,key,value)
# name对应的hash中设置一个键值对（不存在，则创建；否则，修改） # 参数： # name，redis的name # key，name对应的hash中的key # value，name对应的hash中的value # 注： # hsetnx(name, key, value),当name对应的hash中不存在当前key时则创建（相当于添加）
hmset(name,mapping)
# 在name对应的hash中批量设置键值对 # 参数： # name，redis的name # mapping，字典，如：{'k1':'v1', 'k2': 'v2'} # 如： # r.hmset('xx', {'k1':'v1', 'k2': 'v2'})
hget(name,key)
# 在name对应的hash中获取根据key获取value
hmget(name,keys,*agrs)
# 在name对应的hash中获取多个key的值 # 参数： # name，reids对应的name # keys，要获取key集合，如：['k1', 'k2', 'k3'] # *args，要获取的key，如：k1,k2,k3 # 如： # r.mget('xx', ['k1', 'k2']) # 或 # print(r.hmget('xx', 'k1', 'k2'))
hgetall(name)
# 获取name对应hash的所有键值
hlen(name)
# 获取name对应的hash中键值对的个数
hkeys(name)
# 获取name对应的hash中所有的key的值
hvals(name)
# 获取name对应的hash中所有的value的值
hexists(name,key)
# 检查name对应的hash是否存在当前传入的key
hdel(name,*keys)
# 将name对应的hash中指定key的键值对删除
hincrby(name,key,amount=1)
# 自增name对应的hash中的指定key的值，不存在则创建key=amount # 参数： # name，redis中的name # key， hash对应的key # amount，自增数（整数）
hincrbyfloat(name,key,amount=1.0)
# 自增name对应的hash中的指定key的值，不存在则创建key=amount # 参数： # name，redis中的name # key， hash对应的key # amount，自增数（浮点数） # 自增name对应的hash中的指定key的值，不存在则创建key=amount
hscan(name,cursor=0,match=None,count=None)
# 增量式迭代获取，对于数据大的数据非常有用，hscan可以实现分片的获取数据，并非一次性将数据全部获取完，从而放置内存被撑爆 # 参数： # name，redis的name # cursor，游标（基于游标分批取获取数据） # match，匹配指定key，默认None 表示所有的key # count，每次分片最少获取个数，默认None表示采用Redis的默认分片个数 # 如： # 第一次：cursor1, data1 = r.hscan('xx', cursor=0, match=None, count=None) # 第二次：cursor2, data1 = r.hscan('xx', cursor=cursor1, match=None, count=None) # ... # 直到返回值cursor的值为0时，表示数据已经通过分片获取完毕
hscan_iter(name,match=None,count=None)
# 利用yield封装hscan创建生成器，实现分批去redis中获取数据 # 参数： # match，匹配指定key，默认None 表示所有的key # count，每次分片最少获取个数，默认None表示采用Redis的默认分片个数 # 如： # for item in r.hscan_iter('xx'): # print(item)
list操作
redis中的list在内存中按照一个name对应一个list来存储。
lpush(name,values)
# 在name对应的list中添加元素，每个新的元素都添加到列表的最左边 # 如： # r.lpush('oo', 11,22,33) # 保存顺序为: 33,22,11 # 扩展： # rpush(name, values) 表示从右向左操作
lpushx(name,value)
# 在name对应的list中添加元素，只有name已经存在时，值添加到列表的最左边 # 更多： # rpushx(name, value) 表示从右向左操作
llen(name)
# name对应的list元素的个数
linsert(name,where,refvale,value)
# 在name对应的列表的某一个值前或后插入一个新值 # 参数： # name，redis的name # where，BEFORE或AFTER # refvalue，标杆值，即：在它前后插入数据 # value，要插入的数据
r.lset(name,index,value)
# 对name对应的list中的某一个索引位置重新赋值 # 参数： # name，redis的name # index，list的索引位置 # value，要设置的值
r.lrem(name,vale,num)
# 在name对应的list中删除指定的值 # 参数： # name，redis的name # value，要删除的值 # num， num=0，删除列表中所有的指定值； # num=2,从前到后，删除2个； # num=-2,从后向前，删除2个
lpop(name)
# 在name对应的列表的左侧获取第一个元素并在列表中移除，返回值则是第一个元素 # 更多： # rpop(name) 表示从右向左操作
lindex(name,index)
# 在name对应的列表中根据索引获取列表元素
lrange(name,start,end)
# 在name对应的列表分片获取数据 # 参数： # name，redis的name # start，索引的起始位置 # end，索引结束位置
ltrim(name,start,end)
# 在name对应的列表中移除没有在start-end索引之间的值 # 参数： # name，redis的name # start，索引的起始位置 # end，索引结束位置
rpoplpush(src,dst)
# 从一个列表取出最右边的元素，同时将其添加至另一个列表的最左边 # 参数： # src，要取数据的列表的name # dst，要添加数据的列表的name
blpop(keys,timeout)
# 将多个列表排列，按照从左到右去pop对应列表的元素 # 参数： # keys，redis的name的集合 # timeout，超时时间，当元素所有列表的元素获取完之后，阻塞等待列表内有数据的时间（秒）, 0 表示永远阻塞 # 更多： # r.brpop(keys, timeout)，从右向左获取数据
brpoplpush(src,dst,timeout=0)
# 从一个列表的右侧移除一个元素并将其添加到另一个列表的左侧 # 参数： # src，取出并要移除元素的列表对应的name # dst，要插入元素的列表对应的name # timeout，当src对应的列表中没有数据时，阻塞等待其有数据的超时时间（秒），0 表示永远阻塞
自定义增量迭代
# 由于redis类库中没有提供对列表元素的增量迭代，如果想要循环name对应的列表的所有元素，那么就需要： # 1、获取name对应的所有列表 # 2、循环列表 # 但是，如果列表非常大，那么就有可能在第一步时就将程序的内容撑爆，所有有必要自定义一个增量迭代的功能： def list_iter(name): """ 自定义redis列表增量迭代 :param name: redis中的name，即：迭代name对应的列表 :return: yield 返回 列表元素 """ list_count = r.llen(name) for index in xrange(list_count): yield r.lindex(name, index) # 使用 for item in list_iter('pp'): print(item)
set操作
set集合就是不允许重复的列表
sadd(name,values)
# name对应的集合中添加元素
scard(name)
# 获取name对应的集合中元素个数
sdiff(keys,*args)
# 在第一个name对应的集合中且不在其他name对应的集合的元素集合
sdiffstore(dest,keys,*args)
# 获取第一个name对应的集合中且不在其他name对应的集合，再将其新加入到dest对应的集合中
sinter(keys,*args)
# 获取多一个name对应集合的并集
sinterstore(dest,keys,*args)
# 获取多一个name对应集合的并集，再讲其加入到dest对应的集合中
sismember(name,value)
# 检查value是否是name对应的集合的成员
smembers(name)
# 获取name对应的集合的所有成员
smove(src,dst,value)
# 将某个成员从一个集合中移动到另外一个集合
spop(name)
# 从集合的右侧（尾部）移除一个成员，并将其返回
sranmember(name,numbers)
# 从name对应的集合中随机获取 numbers 个元素
srem(name,values)
# 在name对应的集合中删除某些值
sunion(keys,*args)
# 获取多一个name对应的集合的并集
sunionstore(dest,keys,*args)
# 获取多一个name对应的集合的并集，并将结果保存到dest对应的集合中
sscan(name,cursor=0,match=None,count=None)
sscan_iter(name,match=None,count=None)
# 同字符串的操作，用于增量迭代分批获取元素，避免内存消耗太大
有序集合
在集合的基础上，为每元素排序，元素的排序需要根据另外一个值来进行比较，所以，对于有序集合，每一个元素有两个值，即：值和分数，分数用来做排序
zadd(name,*args,**kwargs)
# 在name对应的有序集合中添加元素 # 如： # zadd('zz', 'n1', 1, 'n2', 2) # 或 # zadd('zz', n1=11, n2=22)
zcard(name)
# 获取name对应的有序集合元素的数量
zcount(name,min,max)
# 获取name对应的有序集合中分数 在 [min,max] 之间的个数
zincrby(name,value,amount)
# 自增name对应的有序集合的 name 对应的分数
r.zrange(name,start,end,desc=False,withscores=False,score_cast_func=float)
# 按照索引范围获取name对应的有序集合的元素 # 参数： # name，redis的name # start，有序集合索引起始位置（非分数） # end，有序集合索引结束位置（非分数） # desc，排序规则，默认按照分数从小到大排序 # withscores，是否获取元素的分数，默认只获取元素的值 # score_cast_func，对分数进行数据转换的函数 # 更多： # 从大到小排序 # zrevrange(name, start, end, withscores=False, score_cast_func=float) # 按照分数范围获取name对应的有序集合的元素 # zrangebyscore(name, min, max, start=None, num=None, withscores=False, score_cast_func=float) # 从大到小排序 # zrevrangebyscore(name, max, min, start=None, num=None, withscores=False, score_cast_func=float)
zrank(name,value)
# 获取某个值在 name对应的有序集合中的排行（从 0 开始） # 更多： # zrevrank(name, value)，从大到小排序
zrangebylex(name,min,max,start=None,num=None)
# 当有序集合的所有成员都具有相同的分值时，有序集合的元素会根据成员的 值 （lexicographical ordering）来进行排序，而这个命令则可以返回给定的有序集合键 key 中， 元素的值介于 min 和 max 之间的成员 # 对集合中的每个成员进行逐个字节的对比（byte-by-byte compare）， 并按照从低到高的顺序， 返回排序后的集合成员。 如果两个字符串有一部分内容是相同的话， 那么命令会认为较长的字符串比较短的字符串要大 # 参数： # name，redis的name # min，左区间（值）。 + 表示正无限； - 表示负无限； ( 表示开区间； [ 则表示闭区间 # min，右区间（值） # start，对结果进行分片处理，索引位置 # num，对结果进行分片处理，索引后面的num个元素 # 如： # ZADD myzset 0 aa 0 ba 0 ca 0 da 0 ea 0 fa 0 ga # r.zrangebylex('myzset', "-", "[ca") 结果为：['aa', 'ba', 'ca'] # 更多： # 从大到小排序 # zrevrangebylex(name, max, min, start=None, num=None)
zrem(name,values)
# 删除name对应的有序集合中值是values的成员 # 如：zrem('zz', ['s1', 's2'])
zremrangebyrank(name,min,max)
# 根据排行范围删除
zremrangebyscore(name,min,max)
# 根据分数范围删除
zermrangebylex(name,min,max)
# 根据值返回删除
zscore(name,value)
# 获取name对应有序集合中 value 对应的分数
zinterstore(dest,keys,aggregate=None)
# 获取两个有序集合的交集，如果遇到相同值不同分数，则按照aggregate进行操作 # aggregate的值为: SUM MIN MAX
zunionstore(dest,keys,aggregate=None)
# 获取两个有序集合的并集，如果遇到相同值不同分数，则按照aggregate进行操作 # aggregate的值为: SUM MIN MAX
zscan(name,cursor=0,match=None,count=None,score_cast_func=float)
zscan_iter(name,match=None,conut=None,socre_cast_func=float)
# 同字符串相似，相较于字符串新增score_cast_func，用来对分数进行操作
其他常用操作
delete(*names)
# 根据删除redis中的任意数据类型
exists(name)
# 检测redis的name是否存在
keys(pattern=’*’)
# 根据模型获取redis的name # 更多： # KEYS * 匹配数据库中所有 key 。 # KEYS h?llo 匹配 hello ， hallo 和 hxllo 等。 # KEYS h*llo 匹配 hllo 和 heeeeello 等。 # KEYS h[ae]llo 匹配 hello 和 hallo ，但不匹配 hillo
expire(name,time)
# 为某个redis的某个name设置超时时间
rename(src,dst)
# 对redis的name重命名为
move(name,db)
# 将redis的某个值移动到指定的db下
randomkey()
# 随机获取一个redis的name（不删除）
type(name)
# 获取name对应值的类型
scan(cursor=0,match=None,count=None)
scan_iter(match=None,count=None)
# 同字符串操作，用于增量迭代获取key
管道
redis-py默认在执行每次请求都会创建（连接池申请连接）和断开（归还连接池）一次连接操作，如果想要在一次请求中指定多个命令，则可以使用pipline实现一次请求指定多个命令。
import redis pool = redis.ConnectionPool(host='10.211.55.4', port=6379) r = redis.Redis(connection_pool=pool) # pipe = r.pipeline(transaction=False) pipe = r.pipeline(transaction=True) r.set('name', 'alex') r.set('role', 'sb') pipe.execute()
发布订阅
例子：
monitor 代码：
import redis class RedisHelper: def __init__(self): self.__conn = redis.Redis(host='10.211.55.4') self.chan_sub = 'fm104.5' self.chan_pub = 'fm104.5' def public(self, msg): self.__conn.publish(self.chan_pub, msg) return True def subscribe(self): pub = self.__conn.pubsub() pub.subscribe(self.chan_sub) pub.parse_response() return pub
订阅者：
from monitor.RedisHelper import RedisHelper obj = RedisHelper() redis_sub = obj.subscribe() while True: msg= redis_sub.parse_response() print(msg)
发表者：
from monitor.RedisHelper import RedisHelper obj = RedisHelper() obj.public('hello')