目录标题
一：redis字符串操作
# 1 set(name, value, ex=None, px=None, nx=False, xx=False)
import redis
conn = redis.Redis()
# 1 set(name, value, ex=None, px=None, nx=False, xx=False)
# 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,值存在，就修改不了，执行没效果
# xx，如果设置为True，则只有name存在时，当前set操作才执行，值存在才能修改，值不存在，不会设置新值
# conn.set('name','lqz') # value 只能是字符串或byte格式
# conn.set('name','lqz',ex=3) # ex 是过期时间，到3s过期，数据就没了
# conn.set('name','lqz',px=3000) # px 是过期时间，到3s过期，数据就没了
# conn.set('age',25,nx=True) # redis 实现分布式锁：https://zhuanlan.zhihu.com/p/489305763
# conn.set('hobby', '足球', xx=False)
# 2 setnx(name, value) 就是：set nx=True
# conn.setnx('hobby1','橄榄球')
# 3 psetex(name, time_ms, value) 本质就是 set px设置时间
# conn.psetex('name',3000,'lqz')
# 4 mset(*args, **kwargs) 传字典批量设置
# conn.mset({'name':'xxx','age':19})
# 5 get(name) 获取值，取到是bytes格式 ,指定：decode_responses=True，就完成转换
# print(conn.get('name'))
# print(str(conn.get('name')[:3],encoding='utf-8'))
# 6 mget(keys, *args) #批量获取
# res=conn.mget('name','age')
# res=conn.mget(['name','age'])
# print(res)
# 7 getset(name, value) # 先获取，再设置
# res=conn.getset('name','lqz')
# print(res)
# 8 getrange(key, start, end) # 取的是字节，前闭后闭区间
# res=conn.getrange('name',0,1)
# print(res)
# 9 setrange(name, offset, value) # 从某个起始位置开始替换字符串
# conn.setrange('name', 1, 'xxx')
# 10 setbit(name, offset, value)
# conn.setbit('name',1,0) #lqz 00000000 00000000 00000000
# res=conn.get('name')
# print(res)
# 11 getbit(name, offset)
# res=conn.getbit('name',1)
# print(res)
# 12 bitcount(key, start=None, end=None)
# print(conn.bitcount('name',0,3)) # 3 指的是3个字符
# 13 strlen(name) # 统计字节长度
# print(conn.strlen('name'))
# print(len('lqz政')) # len 统计字符长度
# 14 incr(self, name, amount=1) # 计数器
# conn.incr('age',amount=3)
# 15 incrbyfloat(self, name, amount=1.0)
# 16 decr(self, name, amount=1)
# conn.decr('age')
# 17 append(key, value)
conn.append('name','nb')
conn.close()
二：redis hash操作
import redis
conn = redis.Redis(decode_responses=True)
# 1 hset(name, key, value)
# conn.hset('userinfo', 'name', '彭于晏')
# conn.hset('userinfo', 'age', '32')
# conn.hset('xx',mapping={'name':'xxx','hobby':'篮球'})
# 2 hmset(name, mapping) 弃用了
# conn.hmset('yy',{'a':'a','b':'b'})
# 3 hget(name,key)
# res=conn.hget('userinfo','age')
# print(res)
# 4 hmget(name, keys, *args)
# res=conn.hmget('userinfo',['name','age'])
# print(res)
# 5 hgetall(name) 慎用，可能会造成 阻塞 尽量不要在生产代码中执行它
# res=conn.hgetall('userinfo')
# print(res)
# 6 hlen(name)
# res=conn.hlen('userinfo')
# print(res)
# 7 hkeys(name)
# res=conn.hkeys('userinfo')
# print(res)
# 8 hvals(name)
# res=conn.hvals('userinfo')
# print(res)
# 9 hexists(name, key)
# res=conn.hexists('userinfo','name')
# print(res)
# 10 hdel(name,*keys)
# conn.hdel('userinfo','age')
# 10 hdel(name,*keys)
# conn.hdel('userinfo','age')
# 11 hincrby(name, key, amount=1)
# conn.hincrby('userinfo','age')
# 12 hincrbyfloat(name, key, amount=1.0)
# conn.hincrbyfloat('userinfo','age',5.44)
## 联合起来讲：不建议使用hgetall，分片取值
# 分批获取 生成器应用在哪了？
# 13 hscan(name, cursor=0, match=None, count=None)
# hash类型没有顺序---》python字典 之前没有顺序，3.6后有序了 python字段的底层实现
# for i in range(1000):
# conn.hset('test_hash','key_%s'%i,'鸡蛋%s号'%i)
# count 是要取的条数，但是不准确，有点上下浮动
# 它一般步单独用
# res=conn.hscan('test_hash',cursor=0,count=19)
# print(res)
# print(res[0])
# print(res[1])
# print(len(res[1]))
# res=conn.hscan('test_hash',cursor=res[0],count=19)
# print(res)
# print(res[0])
# print(res[1])
# print(len(res[1]))
# 咱么用它比较多，它内部封装了hscan，做成了生成器，分批取hash类型所有数据
# 14 hscan_iter(name, match=None, count=None) 获取所有hash的数据
res = conn.hscan_iter('test_hash',count=100)
print(res) # 生成器
for item in res:
print(item)
conn.close()
三：redis列表操作
1 lpush(name,values)
2 lpushx(name,value)
3 rpushx(name, value) 表示从右向左操作
4 llen(name)
5 linsert(name, where, refvalue, value))
6 lset(name, index, value)
7 lrem(name, value, num)
8 lpop(name)
9 lindex(name, index)
10 lrange(name, start, end)
11 ltrim(name, start, end)
12 rpoplpush(src, dst)
13 blpop(keys, timeout)
14 brpoplpush(src, dst, timeout=0)
15 自定义增量迭代
四：redis管道
1.redis数据库，是否支持事务？
redis事务机制可以保证一致性和隔离性
无法保证持久性：对于redis而言，本身是内存数据库，所以持久化不是必须属性
原子性：需要需要自己进行检查，尽可能保证
redis 不像mysql一样，支持事务，事务的4大特性不能全部满足，但是能满足一部分，通过redis的管道实现
redis本身不支持事务，但是可以通过管道实现部分事务
redis 通过管道，来保证命令要么都成功，要么都失败，完成事务的一致性，但是管道只能用在单例模式，集群环境中，不支持pipline
2.redis代码实现事务
import redis
conn = redis.Redis()
pipline = conn.pipeline(transaction=True)
pipline.decr('a', 2) # a减2
raise Exception('我吖奔了')
pipline.incr('b', 2) # a加2
pipline.execute()
conn.close()
五：redis其他操作
# 集合，有序集合 --- redis模块提供的方法API
# 通用操作：无论是5大类型的那种，都支持
import redis
conn = redis.Redis()
# 1 delete(*names)
conn.delete('age', 'name')
# 2 exists(name)
res = conn.exists('xx')
print(res)
# 3 keys(pattern='*')
res = conn.keys('*o*')
res = conn.keys('?o*')
print(res)
# 4 expire(name, time)
conn.expire('test_hash', 3)
# 5 rename(src, dst) 对redis的name重命名
conn.rename('xx', 'xxxxxx')
# 6 move(name, db) 将redis的某个值移动到指定的db下
# 默认操作的都是0库，总共默认有16个库
conn.move('xxx', 2)
# 7 randomkey() 随机获取一个redis的name（不删除）
# res=conn.randomkey()
# print(res)
# 8 8 type(name) 查看类型
# res = conn.type('aa') # list hash set
# print(res)
conn.close()
六：django中集成redis
1.方式一:直接使用
# 方式一：直接使用
from user.POOL import pool
import redis
def index(request):
conn = redis.Redis(connection_pool=pool)
conn.incr('page_view')
res = conn.get('page_view')
return HttpResponse('被你看了%s次' % res)
2.方式二:使用第三方模块：django-redis
-下载
-配置文件配置
CACHES = {
"default": {
"BACKEND": "django_redis.cache.RedisCache",
"LOCATION": "redis://127.0.0.1:6379/0",
"OPTIONS": {
"CLIENT_CLASS": "django_redis.client.DefaultClient",
"CONNECTION_POOL_KWARGS": {"max_connections": 100}
# "PASSWORD": "123",
}
}
}
-使用
from django_redis import get_redis_connection
def index(request):
conn = get_redis_connection(alias="default") # 每次从池中取一个链接
conn.incr('page_view')
res = conn.get('page_view')
return HttpResponse('被你看了%s次' % res)
3.方式三：借助于django的缓存使用redis
-如果配置文件中配置了 CACHES ，以后django的缓存，数据直接放在redis中
-以后直接使用cache.set 设置值，可以传过期时间
-使用cache.get 获取值
-强大之处在于，可以直接缓存任意的python对象，底层使用pickle实现的
七：celery介绍
1.介绍
分布式的异步任务 框架
2.celery的作用？
1.完成异步任务：可以提高项目的并发量（之前开启线程来实现）
2.完成延迟任务
3.完成定时任务
3.架构
1.消息中间件：broker提交的任务（函数）都放在这里，celery本身不提供消息中间件，需要借助第三方：redis， rabbitmq
2.任务执行单位：worker，真正执行任务的地方，一个个进程，执行函数
3.结果存储：backend,函数return的结果存储在这里，celery本身不提供结果存储，借助于第三方：redis, 数据库，rabbitmq
6080
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
