python嵌入式nosql_Python学习笔记（十二）NoSQL数据存储

有些数据库并不是关系型的，不支持 SQL。它们用来处理庞大的数据集、支持更加灵活的 数据定义以及定制的数据操作。这些被统称为 NoSQL(not only SQL) 。

dbm family

dbm格式是按照键值对的形式储存，封装在应用程序(例如网页浏览器)中，用来维护各种各样的配置。从以下角度看，dbm 数据库和 Python 字典是类似的：

给一个键赋值，自动保存到磁盘中的数据库

通过键得到对应的值

下面看一个小栗子：

open() 方法的第二个参数 'r' 代表读；'w' 代表写；'c' 表示读和写， 如果文件不存在则创建.

In [1]: import dbm

In [2]: db = dbm.open('definitions','c')

同字典一样创建键值对，给一个键赋值：

In [3]: db['mustartd'] = 'yellow'

In [4]: db['ketchup'] = 'red'

In [5]: db['pesto'] = 'green'

查看数据库长度，并通过键值获得数据

In [6]: len(db)

Out[6]: 3

In [7]: db['mustartd']

Out[7]: b'yellow'

关掉数据库，然后重新打开验证它是否被完整保存：

In [8]: db.close()

In [9]: db = dbm.open('definitions','r')

In [10]: db['mustard']

---------------------------------------------------------------------------

KeyError Traceback (most recent call last)

in ()

----> 1 db['mustard']

KeyError: 'mustard'

In [11]: db['mustartd']

Out[11]: b'yellow'

键和值都以字节保存，因此不能对数据库对象db进行迭代，但是可以使用函数len()得到键的数目。注意哦：get()和setdefault()函数只能用于字典的方法。

memcached

memcached是一种快速的，内存键值对象的缓存服务器。它一般置于数据库之前，用于存储网页服务器会话数据。如果想要使用，需要一个memcached服务器和Python的驱动程序。

这样的驱动程序很多，能够在Python3中使用的是python3-memcached，可以通过命令安装： pip install python-memcached

连接到一个memcached服务器之后，可以做以下事项：

赋值和取值

其中一个值的自增或者自减

删除其中一个键

数据在memcached并不是持久化保存的，后面的可能会覆盖早些写入的数据，这是它的固有特性，因为它作为一个缓存服务器，通过舍弃旧数据避免程序运行时内存不足的问题。

我们可以同事连接到多个memcached服务器，下面的栗子是连接一个：

注意一点哦：在连接之前，一点要确保memcached服务开启。

In [4]: import memcache

In [5]: db = memcache.Client(['127.0.0.1:11211'])

In [6]: db.set('marco','polo')

Out[6]: True

In [7]: db.set('ducks', 0)

Out[7]: True

In [8]: db.get('ducks')

Out[8]: 0

In [9]: db.incr('ducks',2)

Out[9]: 2

In [10]: db.get('ducks')

Out[10]: 2

Redis

Redis是一种数据结构服务器(data structure server)。和memcached类似，Redis服务器的所有数据都是基于内存的(现在也可以把数据放在磁盘)。不同于memcached，Redis可以实现：

存储数据到磁盘，方便断电重启和提升可靠性

保存旧数据

提供多种数据结构，不限于简单字符串

Redis的数据类型和Python很相似，Redis服务器会是一个或多个Python应用程序之间共享数据的非常有帮助的中间件。

Python的Redis驱动程序redis-py可以使用命令安装: pip install redis

Redis 服务器自身就有好用的文档。如果在本地计算机(网络名为 localhost)安装和启动 了 Redis 服务器，就可以开始尝试下面的程序。

1.字符串

具有单一值的一个键被称作Redis的字符串。简单的Python数据类型可以自动转换成Redis字符串。现在连接到一些主机(默认localhost)以及端口(默认6379)上的服务器：

同样在连接之前，一点要确保memcached服务开启

In [1]: import redis

In [2]: conn = redis.Redis()

redis.Redis(‘localhost’) 或者 redis.Redis('localhost', 6379) 会得到同样的结果。

列出所有的键(目前为空)：

In [3]: conn.keys('*')

Out[3]: []

给键 'secret' 赋值一个字符串；给键 'carats' 赋一个整数；给键 'fever' 赋一个浮点数：

In [4]: conn.set('secret', 'ni!')

Out[4]: True

In [5]: conn.set('carats', 24)

Out[5]: True

In [6]: conn.set('fever', '101.5')

Out[6]: True

通过键反过来得到对应的值：

In [7]: conn.get('secret')

Out[7]: b'ni!'

In [8]:

In [8]: conn.get('carats')

Out[8]: b'24'

In [9]: conn.get('fever')

Out[9]: b'101.5'

这里的 setnx() 方法只有当键不存在时才设定值：

In [10]: conn.setnx('secret', 'icky-icky-icky-ptang-zoop-boing!')

Out[10]: False

方法运行失败，因为之前已经定义了 'secret'：

In [11]: conn.get('fever')

Out[11]: b'101.5'

In [12]: conn.get('secret')

Out[12]: b'ni!'

方法 getset() 会返回旧的值，同时赋新的值：

In [13]: conn.getset('secret', 'icky-icky-icky-ptang-zoop-boing!')

Out[13]: b'ni!'

In [14]: conn.get('secret')

Out[14]: b'icky-icky-icky-ptang-zoop-boing!'

使用函数 getrange() 得到子串(偏移量 offset：0 代表开始，-1 代表结束)：

In [15]: conn.getrange('secret',-6,-1)

Out[15]: b'boing!'

使用函数 setrange() 替换子串(从开始位置偏移)：

In [16]: conn.setrange('secret',0,'ICKY')

Out[16]: 32

In [17]: conn.get('secret')

Out[17]: b'ICKY-icky-icky-ptang-zoop-boing!'

接下来使用函数 mset() 一次设置多个键值：

In [18]: conn.mset({'pie':'cherry','cordial':'sherry'})

Out[18]: True

使用函数 mget() 一次取到多个键的值：

In [19]: conn.mget(['pie','fever'])

Out[19]: [b'cherry', b'101.5']

使用函数 delete() 删掉一个键：

In [20]: conn.delete('fever')

Out[20]: 1

使用函数 incr() 或者 incrbyfloat() 增加值，函数 decr() 减少值：

In [21]: conn.incr('carats')

Out[21]: 25

In [22]: conn.incr('carats', 10)

Out[22]: 35

In [23]: conn.decr('carats')

Out[23]: 34

In [24]: conn.decr('carats', 15)

Out[24]: 19

In [25]: conn.set('fever', '101.5')

Out[25]: True

In [26]: conn.incrbyfloat('fever')

Out[26]: 102.5

In [27]: conn.incrbyfloat('fever', 0.5)

Out[27]: 103.0

不存在函数 decrbyfloat()，可以用增加负数代替：

In [28]: conn.incrbyfloat('fever', -2.0)

Out[28]: 101.0

2.列表

Redis的列表仅能包含字符串。当第一次插入数据的时列表被创建。使用函数lpush()在开始处插入：

In [1]: import redis

In [2]: conn = redis.Redis()

In [3]: conn.lpush('zoo','bear')

Out[3]: 1

在开始处插入超过一项：

In [4]: conn.lpush('zoo', 'alligator', 'duck')

Out[4]: 3

使用 linsert() 函数在一个值的前或者后插入：

In [5]: conn.linsert('zoo', 'before', 'bear', 'beaver')

Out[5]: 4

In [6]: conn.linsert('zoo', 'after', 'bear', 'cassowary')

Out[6]: 5

使用 lset() 函数在偏移量处插入(列表必须已经存在)，但是会将原来偏移量的值覆盖：

In [7]: conn.lset('zoo',2,'marmoset')

Out[7]: True

使用 lrange() 函数取到给定偏移量范围(0~-1 代表全部)的所有值：

In [8]: conn.lrange('zoo',0,-1)

Out[8]: [b'duck', b'alligator', b'marmoset', b'bear', b'cassowary']

使用 rpush() 函数在结尾处插入：

In [9]: conn.rpush('zoo', 'yak')

Out[9]: 6

使用 lindex() 函数取到给定偏移量处的值：

In [10]: conn.lindex('zoo', 3)

Out[10]: b'bear'

In [11]: conn.lrange('zoo', 0, 2)

Out[11]: [b'duck', b'alligator', b'marmoset']

使用 ltrim() 函数仅保留列表中给定范围的值(截取)：

In [12]: conn.ltrim('zoo', 1, 4)

Out[12]: True

In [13]: conn.lrange('zoo',0,-1)

Out[13]: [b'alligator', b'marmoset', b'bear', b'cassowary']

3.哈希表

Redis的哈希表类似于Python中的字典，但它仅包含字符串，因此只能有一层结构，不能 进行嵌套。下面的例子创建了一个 Redis 的哈希表 song，并对它进行操作。

使用函数hmset()在哈希表song设置字段do和字段re的值

In [16]: conn.hmset('song',{'do': 'a deer', 're': 'about a deer'})

Out[16]: True

使用函数hset()设置一个单一字段值

In [17]: conn.hset('song', 'mi', 'a note to follow re')

Out[17]: 1

使用函数 hget() 取到一个字段的值：

In [18]: conn.hget('song', 'mi')

Out[18]: b'a note to follow re'

使用函数 hmget() 取到多个字段的值：

In [19]: conn.hmget('song', 're', 'do')

Out[19]: [b'about a deer', b'a deer']

使用函数 hkeys() 取到所有字段的键：

In [20]: conn.hkeys('song')

Out[20]: [b're', b'do', b'mi']

使用函数 hvals() 取到所有字段的值：

In [21]: conn.hvals('song')

Out[21]: [b'about a deer', b'a deer', b'a note to follow re']

使用函数 hlen() 返回字段的总数：

In [22]: conn.hlen('song')

Out[22]: 3

使用函数 hgetall() 取到所有字段的键和值：

In [23]: conn.hgetall('song')

Out[23]: {b'do': b'a deer', b'mi': b'a note to follow re', b're': b'about a deer'}

使用函数 hsetnx() 对字段中不存在的键赋值：

In [24]: conn.hsetnx('song', 'fa', 'a note that rhymes with la')

Out[24]: 1

4.集合

Redis的集合和Python的集合是完全类似的。

在集合中添加一个或多个值：

In [35]: conn.sadd('zoo1','duck', 'goat', 'turkey')

Out[35]: 3

取得集合中所有值的数目：

In [36]: conn.scard('zoo1')

Out[36]: 3

返回集合中所有值：

In [37]: conn.smembers('zoo1')

Out[37]: {b'duck', b'goat', b'turkey'}

从集合中删掉一个值：

In [38]: conn.srem('zoo1','turkey')

Out[38]: 1

新建一个集合以展示一些集合间的操作：

In [39]: conn.sadd('zoo2','tiger', 'wolf', 'duck')

Out[39]: 3

返回集合zoo1和集合zoo2的交集

In [40]: conn.sinter('zoo1','zoo2')

Out[40]: {b'duck'}

获得集合zoo1和集合zoo2的交集，并存储到新集合zoo3

In [41]: conn.sinterstore('zoo3','zoo1','zoo2')

Out[41]: 1

In [42]: conn.smembers('zoo3')

Out[42]: {b'duck'}

返回集合zoo1和集合zoo2的交集

In [43]: conn.sunion('zoo1','zoo2')

Out[43]: {b'duck', b'goat', b'tiger', b'wolf'}

存储并集结果到集合zoo4

In [44]: conn.sunionstore('zoo4','zoo1','zoo2')

Out[44]: 4

使用函数sdiff()得到它们的差集，得到zoo1包含而zoo2不包含的项：

In [45]: conn.sdiff('zoo1','zoo2')

Out[45]: {b'goat'}

将差集存储到集合zoo5：

In [46]: conn.sdiffstore('zoo5','zoo1','zoo2')

Out[46]: 1

In [47]: conn.smembers('zoo5')

Out[47]: {b'goat'}

有序集合

Redis中功能最强大的数据类型之一是有序表(sorted set或者zset)。里面的值都是独一无二的，但是每一个值都关联对应浮点值分数(score)。可以通过值或者分数取得每一项。

有序集合有很多用途：

排行榜

二级索引

时间序列(把时间戳作为分数)

下面以时间序列作为一个栗子，通过时间戳跟踪用户的登陆。时间表达式使用Unix的epoch值，它有python的time()函数返回：

In [1]: import redis

In [2]: import time

In [3]: conn = redis.Redis()

In [4]: now = time.time()

In [5]: now

Out[5]: 1484735598.2283144

增加第一个访客：

In [6]: conn.zadd('logins', 'smeagol', now)

Out[6]: 1

五分钟后又一个访客：

In [7]: conn.zadd('logins','sauro',now+(5*60))

Out[7]: 1

两小时后：

In [8]: conn.zadd('logins', 'bilbo', now+(2*60*60))

Out[8]: 1

一天后：

In [9]: conn.zadd('logins', 'treebeard', now+(24*60*60))

Out[9]: 1

查看bilbo的登陆次序：

In [10]: conn.zrank('logins','bilbo')

Out[10]: 2

查看登陆时间：

In [11]: conn.zscore('logins','bilbo')

Out[11]: 1484742798.2283144

按照登陆的顺序查看每一个访客：

In [12]: conn.zrange('logins',0,-1)

Out[12]: [b'smeagol', b'sauro', b'bilbo', b'treebeard']

附带上登陆的时间：

In [13]: conn.zrange('logins',0,-1,withscores=True)

Out[13]:

[(b'smeagol', 1484735598.2283144),

(b'sauro', 1484735898.2283144),

(b'bilbo', 1484742798.2283144),

(b'treebeard', 1484821998.2283144)]

6.位图

位图(bit)是一种非常省空间且快速的处理超大集合数字的方式。假设你有一个很多用户 注册的网站，想要跟踪用户的登录频率、在某一天用户的访问量以及同一用户在固定时间 内的访问频率，等等。当然，你可以使用 Redis 集合，但如果使用递增的用户 ID，位图的 方法更加简洁和快速。

首先为每一天创建一个集合(bitset)。为了测试，我们仅使用3天和部分用户ID：

In [14]: days = ['2017-01-18','2017-01-19','2019-01-20']

In [15]: big_spender = 1089

In [16]: tire_kicker = 40459

In [17]: late_joiner = 550212

每一天是一个单独的键，对应的用户ID设置位，例如第一天(2017-01-18)有来自 big_ spender(ID 1089) 和 tire_kicker(ID 40459) 的访问记录：

In [18]: conn.setbit(days[0],big_spender, 1)

Out[18]: 0

In [19]: conn.setbit(days[0], tire_kicker, 1)

Out[19]: 0

第二天用户 big_spender 又有访问：

In [20]: conn.setbit(days[1], big_spender, 1)

Out[20]: 0

接下来的一天，big_spender 再次访问，并又有新人 late_joiner 访问：

In [21]: conn.setbit(days[2], big_spender, 1)

Out[21]: 0

In [22]: conn.setbit(days[2], late_joiner, 1)

Out[22]: 0

现在统计得到这三天的日访客数：

In [23]: for day in days:

...: conn.bitcount(day)

...:

判断tire_kicker用户在第二天是否登陆：

In [24]: conn.getbit(day[1],tire_kicker)

Out[24]: 0

结果为未登录

查看有多少访客每天都访问？

In [25]: conn.bitop('and','everyday',*days)

Out[25]: 68777

In [26]: conn.bitcount('everyday')

Out[26]: 1

判断big_spender是不是每一天都登陆：

In [27]: conn.getbit('everyday',big_spender)

Out[27]: 1

查看三天总共有多少人登陆(不算重复项)

In [28]: conn.bitop('or','allday',*days)

Out[28]: 68777

In [29]: conn.bitcount('allday')

Out[29]: 3

7.缓存和过期

所有的Redis键都有一个生存期或者过期时间(expiration date)，默认情况下，生存期是永久的。也可以使用expire()函数构造Redis键的生存期。下面的设置是以秒为单位数的：

In [60]: ks = 'now you see '

In [61]: conn.set(ks, 'but not for long')

Out[61]: True

In [62]: conn.get(ks)

Out[62]: b'but not for long'

In [63]: conn.expire(ks, 15)

Out[63]: True

In [64]: conn.ttl(ks)

Out[64]: 8

In [65]: conn.get(ks)

Out[65]: b'but not for long'

In [66]: conn.get(ks)

expireat()命令给一个键设定过期时间，对于更新缓存是有帮助的，并且可以限制登陆会话。

其他的NoSQL

NoSQL 服务器都要处理远超过内存的数据，并且很多服务器要使用多台计算机。下面 列 出了值得注意的服务器和它们的 Python 库。

NoSQL数据库

Site Python API

Cassandra(http://cassandra.apache.org/) pycassa(https://github.com/pycassa/pycassa)

CouchDB(http://couchdb.apache.org/) couchdb-python(https://github.com/djc/couchdb-python)

HBase(http://hbase.apache.org/) happybase(https://github.com/wbolster/happybase)

Kyoto Cabinet(http://fallabs.com/kyotocabinet/) kyotocabinet(http://fallabs.com/kyotocabinet/pythondoc/)

MongoDB(http://www.mongodb.org/) mongodb(http://api.mongodb.org/python/current/)

Riak(http://basho.com/riak/) riak-python-client(https://github.com/basho/riak-pythonclient)

注：本文内容来自《Python语言及其应用》欢迎购买原书阅读