python学习笔记 ---线程、进程、协程、队列、python-memcache、python-redis

一、线程

Threading用于提供线程相关的操作，线程是应用程序中工作的最小单元。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import threading
import time
  
def show(arg):
    time.sleep(1)
    print 'thread'+str(arg)
  
for i in range(10):
    t = threading.Thread(target=show, args=(i,))
    t.start()
  
print 'main thread stop'

上述代码创建了10个“前台”线程，然后控制器就交给了CPU，CPU根据指定算法进行调度，分片执行指令。

更多方法：

• • start            线程准备就绪，等待CPU调度
  • setName      为线程设置名称
  • getName      获取线程名称
  • setDaemon   设置为后台线程或前台线程（默认）
                       如果是后台线程，主线程执行过程中，后台线程也在进行，主线程执行完毕后，后台线程不论成功与否，均停止
                        如果是前台线程，主线程执行过程中，前台线程也在进行，主线程执行完毕后，等待前台线程也执行完成后，程序停止
  • join              逐个执行每个线程，执行完毕后继续往下执行，该方法使得多线程变得无意义
  • run              线程被cpu调度后自动执行线程对象的run方法

import threading
import time
 
 
class MyThread(threading.Thread):
    def __init__(self,num):
        threading.Thread.__init__(self)
        self.num = num
 
    def run(self):#定义每个线程要运行的函数
 
        print("running on number:%s" %self.num)
 
        time.sleep(3)
 
if __name__ == '__main__':
 
    t1 = MyThread(1)
    t2 = MyThread(2)
    t1.start()
    t2.start()

线程锁（Lock、RLock）

由于线程之间是进行随机调度，并且每个线程可能只执行n条执行之后，当多个线程同时修改同一条数据时可能会出现脏数据，所以，出现了线程锁 - 同一时刻允许一个线程执行操作。

#!/usr/bin/env python
#-*-coding:utf-8-*-
import threading
import time
NUM=10

def func(i,l):
    global NUM
    #上锁
    l.acquire()
    NUM -= 1
    time.sleep(5)
    print(NUM)
    #开锁
    l.release()

#lock=threading.Lock()
# lock=threading.RLock()
lock=threading.BoundedSemaphore(5)
for i in range(10):
    # t=threading.Thread(target=func,args=(lock,))
    t=threading.Thread(target=func,args=(i,lock,))
    t.start()

#!/usr/bin/env python
#-*-coding:utf-8-*-
import threading
def func(i,e):
    print(i)
    e.wait()#检测是什么灯，
    print(i+100)
event=threading.Event()

for i in range(10):
    t=threading.Thread(target=func,args=(i,event,))
    t.start()

#--------------
event.clear()#设置成红灯
inp=input('>>>')
if inp == "1":
    event.set()#设置成绿灯

#!/usr/bin/env python
#-*-coding:utf-8-*-
#第一种
import threading

def condition():
    ret = False
    r = input('>>>')
    if r == 'true':
        ret = True
    else:
        ret = False
    return ret


def func(i,con):
    print(i)
    con.acquire()
    con.wait_for(condition)
    print(i+100)
    con.release()

c = threading.Condition()
for i in range(10):
    t = threading.Thread(target=func, args=(i,c,))
    t.start()
#第二种
import threading
def func(i,con):
    print(i)
    con.acquire()
    con.wait()
    print(i+100)
    con.release()

c = threading.Condition()
for i in range(10):
    t = threading.Thread(target=func, args=(i,c,))
    t.start()

while True:
    inp = input('>>>')
    if inp == 'q':
        break
    c.acquire()
    c.notify(int(inp))
    c.release()
from threading import Timer


def hello():
    print("hello, world")

t = Timer(1, hello)
t.start()  # after 1 seconds, "hello, world" will be printed

#互斥锁 同时只允许一个线程更改数据，而Semaphore是同时允许一定数量的线程更改数据 ，比如厕所有3个坑，那最多只允许3个人上厕所，后面的人只能等里面有人出来了才能再进去。

import threading,time
 
def run(n):
    semaphore.acquire()
    time.sleep(1)
    print("run the thread: %s" %n)
    semaphore.release()
 
if __name__ == '__main__':
 
    num= 0
    semaphore  = threading.BoundedSemaphore(5) #最多允许5个线程同时运行
    for i in range(20):
        t = threading.Thread(target=run,args=(i,))
        t.start()

二、进程

1 2 3 4 5 6 7 8 9 10

from multiprocessing import Process import threading import time     def foo(i):      print 'say hi' ,i     for i in range ( 10 ):      p = Process(target = foo,args = (i,))      p.start()

 注意：由于进程之间的数据需要各自持有一份，所以创建进程需要的非常大的开销。

进程间的数据共享

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62

#!/usr/bin/env python #-*-coding:utf-8-*-   #第一种multiprocessing,queues # from multiprocessing import Process # from multiprocessing  import queues # import multiprocessing # # def foo(i,arg): #     arg.put(i) #     print('say hi',i,arg.qsize()) # # if __name__=='__main__': #     li = queues.Queue(20,ctx=multiprocessing) #     for i in range(10): #         p = Process(target=foo,args=(i,li,)) #         p.start()   #第二种Array # from multiprocessing import Process # from multiprocessing import queues # import multiprocessing # from multiprocessing import Array # def foo(i,arg): #     arg[i]=i+100 #     for item in arg: #         print(item) #     print('==========') # if __name__=='__main__': #     li=Array('i',10) #     for i in range(10): #         p=Process(target=foo,args=(i,li,)) #         p.start()     #第三种 from multiprocessing import Process from multiprocessing import queues import multiprocessing from multiprocessing import Manager def foo(i,arg):      # arg.put(i)      # print('say hi',i,arg.qsize())      # arg[i] = i + 100      # for item in arg:      #     print(item)      # print('==========')      arg[i]  = i + 100      print (arg.values()) if __name__ = = '__main__' :      #li = []      #li = queues.Queue(20,ctx=multiprocessing)      obj = Manager()      li = obj. dict ()      #li = Array('i',10)      for i in range ( 10 ):          p = Process(target = foo,args = (i,li,))          #p.daemon = True          p.start()          #p.join()          import time          time.sleep( 0.1 )

    'c': ctypes.c_char,  'u': ctypes.c_wchar,
    'b': ctypes.c_byte,  'B': ctypes.c_ubyte,
    'h': ctypes.c_short, 'H': ctypes.c_ushort,
    'i': ctypes.c_int,   'I': ctypes.c_uint,
    'l': ctypes.c_long,  'L': ctypes.c_ulong,
    'f': ctypes.c_float, 'd': ctypes.c_double

进程锁实例:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

#!/usr/bin/env python # -*- coding:utf-8 -*-   from multiprocessing import Process, Array, RLock   def Foo(lock,temp,i):      """      将第0个数加100      """      lock.acquire()      temp[ 0 ] = 100 + i      for item in temp:          print i, '----->' ,item      lock.release()   lock = RLock() temp = Array( 'i' , [ 11 , 22 , 33 , 44 ])   for i in range ( 20 ):      p = Process(target = Foo,args = (lock,temp,i,))      p.start()

 进程池

进程池内部维护一个进程序列，当使用时，则去进程池中获取一个进程，如果进程池序列中没有可供使用的进进程，那么程序就会等待，直到进程池中有可用进程为止。

进程池中有两个方法：

• apply
• apply_async

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

#!/usr/bin/env python # -*- coding:utf-8 -*- from  multiprocessing import Process,Pool import time     def Foo(i):      time.sleep( 2 )      return i + 100     def Bar(arg):      print arg     pool = Pool( 5 ) #print pool.apply(Foo,(1,)) #print pool.apply_async(func =Foo, args=(1,)).get()     for i in range ( 10 ):      pool.apply_async(func = Foo, args = (i,),callback = Bar)     print 'end' pool.close() pool.join() #进程池中进程执行完毕后再关闭，如果注释，那么程序直接关闭。

 三、协程

 线程和进程的操作是由程序触发系统接口，最后的执行者是系统；协程的操作则是程序员。

协程存在的意义：对于多线程应用，CPU通过切片的方式来切换线程间的执行，线程切换时需要耗时（保存状态，下次继续）。协程，则只使用一个线程，在一个线程中规定某个代码块执行顺序。

协程的适用场景：当程序中存在大量不需要CPU的操作时（IO），适用于协程；

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

#!/usr/bin/env python # -*- coding:utf-8 -*-       from greenlet import greenlet       def test1():      print 12      gr2.switch()      print 34      gr2.switch()       def test2():      print 56      gr1.switch()      print 78    gr1 = greenlet(test1) gr2 = greenlet(test2) gr1.switch()

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

import gevent    def foo():      print ( 'Running in foo' )      gevent.sleep( 0 )      print ( 'Explicit context switch to foo again' )    def bar():      print ( 'Explicit context to bar' )      gevent.sleep( 0 )      print ( 'Implicit context switch back to bar' )    gevent.joinall([      gevent.spawn(foo),      gevent.spawn(bar), ])

四、队列

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55

#!/usr/bin/env python #-*-coding:utf-8-*- import queue,time #先进先出队列 #put放数据，是否阻塞，阻塞时的超时时间 #get取数据（默认阻塞），是否阻塞，阻塞时的超时时间 #队列最大长度 #qsize()真是个数 #maxsize最大支持个数 #join,task_done,阻塞进程，当队列中的任务执行完毕后，不再阻塞 # q=queue.Queue(2) # print(q.empty())#判断队列有没有元素，有返回True # q.put(11) # q.put(22) # print(q.empty()) # print(q.qsize()) # q.put(22) # q.put(33,block=False) # q.put(33,block=False,timeout=2) # print(q.get()) # print(q.get()) # print(q.get(timeout=2))       import  queue               #先进先出 # q = queue.LifoQueue() # q.put(123) # q.put(456) # print(q.get())   # q = queue.PriorityQueue()   #根据优先级处理 # q.put((1,"alex1")) # q.put((2,"alex2")) # q.put((3,"alex3")) # print(q.get())   # q= queue.deque()          #双向队列 # q.append((123)) # q.append(234) # q.appendleft(456) # print(q.pop()) # print(q.popleft())       # q=queue.Queue(5) # q.put(123) # q.put(456) # q.get() # q.task_done() # q.get() # time.sleep(5) # q.task_done() # q.join()

 五、python-memcache

Memcached安装，使用：

wget http: / / memcached.org / latest tar - zxvf memcached - 1.x .x.tar.gz cd memcached - 1.x .x . / configure && make && make test && sudo make install    PS：依赖libevent         yum install libevent - devel         apt - get install libevent - dev   启动memcache 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   命令 存储命令: set / add / replace / append / prepend / cas 获取命令: get / gets 其他命令: delete / stats..   python - m pip install python - memcache

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

#!/usr/bin/env python #-*-coding:utf-8-*- # python3 -m pip install --upgrade pip # python3 -m pip install python-memcached import memcache # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.set("foo","bar")#set存储 # ret=mc.get("foo")#get获取 # print(ret)#debug = True 表示运行出现错误时，现实错误信息，上线后移除该参数。   #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 # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.add('k1', 'v1') # mc.add('k1', 'v2')#会报错     # replace 修改某个key的值，如果key不存在，则异常 # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.set('k1', 'v1') # mc.replace('k1','999')#替换的是v值,v1变成了999 # # 如果memcache中存在key值，则替换成功，否则异常 # ret=mc.get('k1') # print(ret)     # 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 # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.set('key1','zrz') # mc.set('key1','zkk')#如果k存在则更改，不存在则创建 # mc.set_multi({'key1': 'val1', 'key2': 'val2'})#多个一起设置 # ret=mc.get('key2') # print(ret)     # delete 和 delete_multi # delete             在Memcached中删除指定的一个键值对 # delete_multi    在Memcached中删除指定的多个键值对 # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.set_multi({'key1': 'val1', 'key2': 'val2'}) # mc.delete('key1')#如果存在则删除，不存在也不报异常 # ret=mc.get('key1') # print(ret)   # get 和 get_multi # get            获取一个键值对 # get_multi   获取多一个键值对 # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.set_multi({'key1': 'val1', 'key2': 'val2'}) # ret1=mc.get('key1') # dic_ret=mc.get_multi(['key1','key2'])#获取的是一个字典 # print(dic_ret,type(dic_ret))     # 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 # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.set('k1','v1') # mc.append('k1','v2')#在v1后添加v2 # mc.prepend('k1','v3')#在v1前添加v2 # r=mc.get('k1') # print(r)     # decr 和 incr　　 # incr  自增，将Memcached中的某一个值增加 N （ N默认为1 ） # decr 自减，将Memcached中的某一个值减少 N （ N默认为1 ） # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.set('k1',77) # while True: #     mc.incr('k1',10)#将Memcached中的某一个值增加10 #     mc.decr('k1')#将Memcached中的某一个值减少 N （ N默认为1 ） #     r=mc.get('k1') #     print(r)       # gets 和 cas # 如商城商品剩余个数，假设改值保存在memcache中，product_count = 900 # A用户刷新页面从memcache中读取到product_count = 900 # B用户刷新页面从memcache中读取到product_count = 900 # 如果A、B用户均购买商品 # A用户修改商品剩余个数 product_count＝899 # B用户修改商品剩余个数 product_count＝899 # 如此一来缓存内的数据便不在正确，两个用户购买商品后，商品剩余还是 899 # 如果使用python的set和get来操作以上过程，那么程序就会如上述所示情况！ # 如果想要避免此情况的发生，只要使用 gets 和 cas 即可，如： # mc=memcache.Client(['192.168.144.135:12000'],debug=True) # mc.gets('product_count') # mc.set('product_count',111) # a=mc.get('product_count') # mc.cas('product_count', 777) # mc.incr('product_count',222) # # ... # # 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) # r=mc.get('product_count') # print(a)#感觉并没什么卵用

 六、redis

安装使用：

安装： wget http: / / download.redis.io / releases / redis - 3.0 . 6.tar .gz tar xzf redis - 3.0 . 6.tar .gz cd redis - 3.0 . 6 make   启动服务端：src / redis - server 启动客户端：src / redis - cli     python - m pip install redis

 

API使用

redis-py 的API的使用可以分类为：

• 连接方式
• 连接池
• 操作
  • String 操作
  • Hash 操作
  • List 操作
  • Set 操作
  • Sort Set 操作
• 管道
• 发布订阅

 

1、操作模式

redis-py提供两个类Redis和StrictRedis用于实现Redis的命令，StrictRedis用于实现大部分官方的命令，并使用官方的语法和命令，Redis是StrictRedis的子类，用于向后兼容旧版本的redis-py。

1 2 3 4 5 6 7 8

#!/usr/bin/env python # -*- coding:utf-8 -*-    import redis    r = redis.Redis(host = '10.211.55.4' , port = 6379 ) r. set ( 'foo' , 'Bar' ) print r.get( 'foo' )

 2、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。可以直接建立一个连接池，然后作为参数 Redis，这样就可以实现多个Redis实例共享一个连接池。

1 2 3 4 5 6 7 8 9 10

#!/usr/bin/env python # -*- coding:utf-8 -*-    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' )

 3、操作

String操作，redis中的String在在内存中按照一个name对应一个value来存储。如图：

                                                                                               

                                                      

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)

1 2 3 4 5

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)

1 2 3 4 5

批量获取 如：      mget( 'ylr' , 'wupeiqi' )      或      r.mget([ 'ylr' , 'wupeiqi' ])

 getset(name, value)

设置新值并获取原来的值

 

getrange(key, start, end)

# 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)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

# 对name对应值的二进制表示的位进行操作    # 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 = "武沛齐"      source = "foo"         for i in source:          num = ord (i)          print bin (num).replace( 'b' ,'')         特别的，如果source是汉字 "武沛齐" 怎么办？      答：对于utf - 8 ，每一个汉字占 3 个字节，那么 "武沛齐" 则有 9 个字节         对于汉字， for 循环时候会按照 字节 迭代，那么在迭代时，将每一个字节转换 十进制数，然后再将十进制数转换成二进制          11100110 10101101 10100110 11100110 10110010 10011011 11101001 10111101 10010000          - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -                      武                         沛                           齐

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)

1 2 3 4 5 6 7 8 9 10

# 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, amount=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, amount=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，redis中Hash在内存中的存储格式如下图：

                                      

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, *args)

# 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在在内存中按照一个name对应一个List来存储。如图：

                                                              

lpush(name,values)

1 2 3 4 5 6 7 8

# 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)

1 2 3 4

# 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, refvalue, value))

1 2 3 4 5 6 7

# 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)

1 2 3 4 5 6

# 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, value, num)

1 2 3 4 5 6 7 8

# 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)

1 2 3 4

# 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)

1 2 3 4 5

# 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)

1 2 3 4 5

# 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)

1 2 3 4

# 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)

1 2 3 4 5 6 7 8

# 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)

1 2 3 4 5 6

# 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

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

# 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

 

srandmember(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，分数专门用来做排序。

zadd(name, *args, **kwargs)

1 2 3 4 5

# 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)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

# 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)

1 2 3 4

# 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)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

# 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)

1 2 3

# 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

 

zremrangebylex(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, count=None,score_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

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

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

4、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，并且默认情况下一次pipline 是原子性操作。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

#!/usr/bin/env python # -*- coding:utf-8 -*-    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()

 5、发布订阅

Demo如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

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：

1 2 3 4 5 6 7 8 9 10 11

#!/usr/bin/env python # -*- coding:utf-8 -*-    from monitor.RedisHelper import RedisHelper    obj = RedisHelper() redis_sub = obj.subscribe()    while True :      msg = redis_sub.parse_response()      print msg

 发布者：

1 2 3 4 5 6 7

#!/usr/bin/env python # -*- coding:utf-8 -*-    from monitor.RedisHelper import RedisHelper    obj = RedisHelper() obj.public( 'hello' )

 更多参见：https://github.com/andymccurdy/redis-py/

http://doc.redisfans.com/