Redis:

  - nosql数据库,非关系型数据库

  - 支持5大数据类型 (字符串String,列表list、字典hash,集合set,zset)

    - 与之相似的有memcache,但memcache只支持string类型

  - 单进程单线程,好处在于不用考虑并发

Redis常用操作

from redis import Redis# from redis import ConnectionPool



conn = Redis()  # 实例化对象,创建连接对象

# conn.set('name','dxx')  # 单个插入

# for i in range(1,100):
# conn.set("the %s key"%i, 'the %s value'%i,ex=i) # 循环插入 # ret = conn.get("the 80 key") # 取不到是为None 无法指定默认值
#
# print(ret) # conn.set('name','希希') # 单个插入 中文会自动以utf8编码转码为bytes类型 #
# for i in range(1,100):
# conn.set("%skey"%i,'%svalue'%i) from app01.Redis_POOL import POOL # 连接池做成单例
conn = Redis(connection_pool=POOL) print(conn.get("name").decode("utf8")) # 字符串操作
conn.set('age',19,ex=10,xx=True) conn.setex('hobby',10,'basketball') # (key,time, value) # 批量添加,传字典
conn.mset({'k1':'v1','k2':'v2'}) # 批量取值
print([ res.decode("utf8") for res in conn.mget(['k1', 'k2'])]) # 追加
conn.setrange('k1',1,'pp') # 从索引1的位置往后覆盖 conn.set('k3','')
#
conn.setrange('k3',2,'') # 从索引2的位置往后覆盖
# #
print(conn.get('k3')) # 重点 (网站访问量) conn.incr('ask_total',amount=1) # 递增 可指定频率为负数,表示递减
conn.decr('ask_total') # 与上相反 conn.append('ask_total',22) # 向原有值后拼接 #hash操作 conn.hset('hax1','k1','v1') # 存
print(conn.hget("hax1", 'k1')) # 取 #批量存取
conn.hmset('hax1',{'k2':'v2','k3':'v3'})
print(conn.hmget('hax1', ['k1', 'k2',]))
print(conn.hmget('hax1', 'k1', 'k2')) # 内部做判断是否列表 print(conn.hgetall('hax1')) # {b'k1': b'v1', b'k2': b'v2', b'k3': b'v3'}
print(conn.hgetall('hax1')[b"k1"]) # b'v1' print(conn.hlen('hax1')) # 3 列表/数组长度 conn.hdel('hax1','k1') # 哈希删除
print(conn.hget('hax1','k1')) # 再查询 conn.hset('hax1','k2',22)
conn.hincrby('hax1','k2',amount=-10) # 哈希递增 或者递减
print(conn.hget('hax1','k2')) # 重点
hscan
hscan_iter for i in range(1,1000):
conn.hset('hax2','%skey'%i,'%svalue'%i) # match 过滤条件 模糊匹配,只有?和*两种模式,?表示匹配一个,*表示匹配多个count 取出数据个数 print(conn.hscan('hax2',10,match='350value',count=20)) # (26, {}) print(conn.hscan('hax2',10,match='',count=20)) # (26, {}) print(conn.hscan('hax2',10,match='350key',count=20)) # (26, {b'350key': b'350value'}) #
conn.hscan_iter('hax2',count=10) genrator = conn.hscan_iter('hax2',count=10) # 产生迭代器,迭代器能产生的数据不因count值而变化,
# count的作用是限制一次向redis要多少数据,用完了再要 print(genrator) # 打印的生成器内存地址 print('生成器长度:',len(list(genrator))) # 会取完hax2中所有的数据 for i in genrator:
  print(i) # 由于上方len(list(genrator))已经将生成器迭代完,故迭代器已经无元素可迭代,无值打印 # redis列表操作
conn.lpush('h1','') # 列表左追加
conn.rpush('h1','','') # 列表右追加 print(conn.linsert('h1','AFTER','',99)) # 在元素11后面插入99 print(conn.linsert('h1','AFTER','','')) # 在元素11前面插入99 #如果列表中有多个'11',那么插在第一个'11'的前面或者后面 print(conn.llen('h1')) conn.lset('h1',1,'') # 将索引为1的元素用'1111'替换 conn.lrem('h1',-5,11)
#lrem(name,count,value)
# count的正负表示从头开始还是从尾巴开始删除和value相同的值,0表示删除所有相同的
#count的数字表示删除几个 print(conn.lindex('h1', 3)) # 取列表索引为3的值 print(conn.lrange('h1', 1, 5)) #切片取值 取列表索引1-5的元素,闭区间 print(conn.lrange('h1',0,conn.llen('h1'))) # 取列表所有元素 #blpop 重点 print(conn.lpop('h1')) print(conn.lpop('h1')) # 从左删除一个元素 print(conn.rpop('h1')) # 从右删除一个元素 while True:
  print(conn.blpop('h1')) # 取完了会在这里阻塞,等待有下一个值被添加,你会不会想到队列呢?
                # 是的,它可以实现队列的效果,可以实现分布式
                # 可以同时开多个客户端去blpop,也可以同时开多个客户端去新增


# 自定义列表生成器
  - 如果列表非常庞大,一次性取出可能会撑爆内存,因此需要自定义列表生成器进行迭代取值 def scan_list(name,count=10):
index = 0
while True:
data_list = conn.lrange(name,index,count)
if not data_list:
return
index+= count
count+=index
for item in data_list:
yield item sa_list = scan_list('h1',5)
for i in sa_list:
print(i) conn.delete('name') # 删除 print(conn.exists('hax2')) # 返回0或1 print(conn.keys('k?')) # 模糊匹配,只有?和*两种模式,?表示匹配一个,*表示匹配多个
print(conn.keys('k*')) conn.rename('k1','kk') # 重命名 # 利用管道实现事务操作,redis没有自身事务操作,需借助管道实现
pipe = conn.pipeline(transaction=True)
pipe.multi()
pipe.set('name','egon')
pipe.lpush('h1','aa')
pipe.execute()

应用场景:

一、利用原生redis实现网站流量统计

由于是全局统计,Django中我们需要自定义中间件来实现

from redis import Redis
from django.middleware.common import MiddlewareMixin Conn = Redis()
class CountVisitorMiddle(MiddlewareMixin):
def process_request(self,request):
num = Conn.hget('count_visitor','number')
if num:
Conn.hset('count_visitor','number',int(num.decode("utf8"))+1)
else:
Conn.hset('count_visitor', 'number', 1)

配置文件中配置:

MIDDLEWARE = [
.......其他中间件.........
'app01.CountCustomerMiddleWare.CountVisitorMiddle',
]

视图函数中使用:

from django.shortcuts import render

# Create your views here.

from app01.redis_hander import Conn
def index(request):
visitor_number = Conn.hget('count_visitor','number').decode('utf8')
return render(request,"index.html",locals())

效果:

当然,django有更好的封装来让我们使用基于redis的缓存实现

二、利用Django基于redis的缓存实现网站流量统计

配置文件中配置缓存信息:

CACHES = {
"default": {
"BACKEND": "django_redis.cache.RedisCache", # cache存储引擎为redis数据库
"LOCATION": "redis://127.0.0.1:6379", # redis服务器地址
"OPTIONS": {
"CLIENT_CLASS": "django_redis.client.DefaultClient",
"CONNECTION_POOL_KWARGS": {"max_connections": 100} # redis数据库连接池大小限制
# "PASSWORD": "123",
}
}
}

Redis内存数据库的基本语法的更多相关文章

  1. Redis内存数据库在Exchange会议室的应用

    本文论述了现有Exchange会议室应用现状和不足之处,并详细介绍了Redis内存数据库在Exchange会议室的应用,并给出了一种高性能的应用架构及采用关键技术和关键实现过程,最终实现大幅改进系统性 ...

  2. Redis内存数据库在Exchange会议室的整体应用架构

    注:本文是别人写的,感觉写得很好就转过来,版权归原作者所有哦,谁知道出处可以告诉我,谢谢. 根据以上的会议室应用现状分析,该架构的核心是把历史发生的会议室申请数据定时同步到Redis内存数据库中,对于 ...

  3. Redis学习总结(1)——Redis内存数据库详细教程

    1.redis是什么 2.redis的作者何许人也 3.谁在使用redis 4.学会安装redis 5.学会启动redis 6.使用redis客户端 7.redis数据结构 – 简介 8.redis数 ...

  4. 基于redis 内存数据库简单使用

    在ecplise中使用内存数据的客端户,前提要准备要下载两个jar包 commons-pool2-2.0.jar jedis-2.4.2.jar 前提准备做好了,那我们就开启redis的服务,打开一个 ...

  5. redis内存数据库C客户端hiredis API 中文说明

    A)编译安装 make make install (/usr/local) make install PREFIX=$HOME/progs(可以自由指定安装路径) B)同步的API接口 redisCo ...

  6. Redis内存数据库快速入门

    Redis简介 Redis是一个开源(BSD许可),内存数据结构存储,用作数据库,缓存和消息代理.它支持数据结构,如 字符串,散列,列表,集合,带有范围查询的排序集,位图,超级日志,具有半径查询和流的 ...

  7. $Django redis内存数据库 (知识回顾cmd切换目录)

    知识小回顾 #切换盘 C:\Users\WangDong>f: F:\> #切换文件 F:\>cd redis F:\redis> #返回上一级 F:\DJ\dj8>cd ...

  8. Redis学习之路(005)- redis内存数据库C客户端hiredis API 中文说明

    A)编译安装 make make install (/usr/local) make install PREFIX=$HOME/progs(可以自由指定安装路径) B)同步的API接口 redisCo ...

  9. Redis内存数据库操作命令详解

    一.连接操作相关的命令 Ÿ   quit:关闭连接(connection) Ÿ   auth:简单密码认证 二.对value操作的命令 Ÿ   exists(key):确认一个key是否存在 Ÿ   ...

随机推荐

  1. 贴两个mysql优化的配置文件

    MySQL5.7以上my.cnf配置文件配置 低配置服务器配置 [client] #客户端设置 port = 3306 socket = /data/mysql/data/mysql.sock def ...

  2. rabbitmq 删除所有队列及服务重启脚本

    #!/bin/bash # 删除元数据 rm -rf /var/lib/rabbitmq/mnesia # 重启rabbitmq rabbitmqctl stop systemctl restart ...

  3. FOI冬令营 Day4

    目录 T1.循环流(flow) 传送门 Code T2.整除分块(mex) 传送门 Code T3.森林(forest) 传送门 Code 咕咕咕 T1.循环流(flow) 传送门 Code /* 特 ...

  4. AGC022E Median Replace

    题意 给出一个长度为奇数\(n\)的残缺01串,问有多少种补全方法,每次将连续三个位替换为它们的中位数后,能有一种方案使它变为1. \(n \le 3*10^5\) 思路 左边表示栈顶. 将操作简化为 ...

  5. Apache Flink - 数据流容错机制

    Apache Flink提供了一种容错机制,可以持续恢复数据流应用程序的状态.该机制确保即使出现故障,程序的状态最终也会反映来自数据流的每条记录(只有一次). 从容错和消息处理的语义上(at leas ...

  6. 实现一个hoverDelay延迟hover

    实现一个hoverDelay延迟hover author: @TiffanysBear 需求背景 经常在页面开发中,需要使用hover事件来触发相应的网络请求或页面DOM元素显示切换,需要考虑的问题就 ...

  7. uboot自定义添加命令

    1.添加命令 1.u-boot的命令格式: U_BOOT_CMD(name,maxargs,repeatable,command,”usage”,"help") name:命令的名 ...

  8. OpenJudge计算概论-忽略大小写比较字符串大小

    /*======================================================================= 忽略大小写比较字符串大小 总时间限制: 1000ms ...

  9. H5内嵌原生app

    前言 其实我们不管是从ios还是安卓都可以看出 原生app能内嵌H5的原因是因为有了webview这个app内嵌浏览器视图,从而使得我们可以开发html然后加载到app中(原理几乎跟pc端请求.加载. ...

  10. Linux CentOS 7 常用命令集合