redis with python

时间  2021-08-13
标签 node python git github web redis sql 数据库 ubuntu promise 栏目 Redis 繁體版
原文   原文链接

和不少大牛谈过，玩python的web框架有一点瓶颈，那就是高并发，可是redis给咱们提供解决高并发，高可用，高性能的弊端。 redis是业界主流的key-value nosql 数据库。和Memcached相似，它支持存储的value类型相对更多，包括string(字符串)、list(链表)、set(集合)、zset(sorted set --有序集合)和hash（哈希类型）。这些数据类型都支持push/pop、add/remove及取交集并集和差集及更丰富的操做，并且这些操做都是原子性的。在此基础上，redis支持各类不一样方式的排序。与memcached同样，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操做写入追加的记录文件，而且在此基础上实现了master-slave(主从)同步。node

Redis优势

  • 异常快速 : Redis是很是快的，每秒能够执行大约110000设置操做，81000个/每秒的读取操做。python

  • 支持丰富的数据类型 : Redis支持最大多数开发人员已经知道如列表，集合，可排序集合，哈希等数据类型。git

    这使得在应用中很容易解决的各类问题，由于咱们知道哪些问题处理使用哪一种数据类型更好解决。github

  • 操做都是原子的 : 全部 Redis 的操做都是原子，从而确保当两个客户同时访问 Redis 服务器获得的是更新后的值（最新值）。web

  • MultiUtility工具：Redis是一个多功能实用工具，能够在不少如：缓存，消息传递队列中使用（Redis原生支持发布/订阅），在应用程序中，如：Web应用程序会话，网站页面点击数等任何短暂的数据；redis

安装Redis环境

要在 Ubuntu 上安装 Redis，打开终端，而后输入如下命令：sql

$sudo apt-get update
$sudo apt-get install redis-server

这将在您的计算机上安装Redis数据库

启动 Redisubuntu

$redis-server

查看 redis 是否还在运行promise

$redis-cli

这将打开一个 Redis 提示符，以下图所示：

redis 127.0.0.1:6379>

在上面的提示信息中：127.0.0.1 是本机的IP地址，6379是 Redis 服务器运行的端口。如今输入 PING 命令，以下图所示：

redis 127.0.0.1:6379> ping
PONG

这说明如今你已经成功地在计算机上安装了 Redis。

 

Python操做Redis

1

2

3

4

5

6

7

sudo pip install redis

or

sudo easy_install redis

or

源码安装

  

详见：https://github.com/WoLpH/redis-py

　　

在Ubuntu上安装Redis桌面管理器

要在Ubuntu 上安装 Redis桌面管理，能够从 http://redisdesktop.com/download 下载包并安装它。

Redis 桌面管理器会给你用户界面来管理 Redis 键和数据。

 

 

Redis API使用

redis-py 的API的使用能够分类为：

  • 链接方式

  • 链接池

  • 操做

    • String 操做

    • Hash 操做

    • List 操做

    • Set 操做

    • Sort Set 操做

  • 管道

  • 发布订阅

 

链接方式

一、操做模式

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

import redis

  

r = redis.Redis(host='10.211.55.4', port=6379)

r.set('foo', 'Bar')

print r.get('foo')

 

二、链接池

redis-py使用connection pool来管理对一个redis server的全部链接，避免每次创建、释放链接的开销。默认，每一个Redis实例都会维护一个本身的链接池。能够直接创建一个链接池，而后做为参数Redis，这样就能够实现多个Redis实例共享一个链接池。

 

操做

 

1. String操做

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)

1

2

3

4

5

6

在Redis中设置值，默认，不存在则建立，存在则修改

参数：

     ex，过时时间（秒）

     px，过时时间（毫秒）

     nx，若是设置为True，则只有name不存在时，当前set操做才执行

     xx，若是设置为True，则只有name存在时，岗前set操做才执行

setnx(name, value)

1

设置值，只有name不存在时，执行设置操做（添加）

setex(name, value, time)

1

2

3

# 设置值

# 参数：

    # time，过时时间（数字秒 或 timedelta对象）

 

 

psetex(name, time_ms, value)

1

2

3

# 设置值

# 参数：

    # time_ms，过时时间（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)

1

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)

1

设置新值并获取原来的值

getrange(key, start, end)

1

2

3

4

5

6

# 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： "武沛齐" ，0-3表示 "武"

setrange(name, offset, value)

1

2

3

4

# 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做

 

# 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：若是在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

    因此，若是执行 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，若是source是汉字 "武沛齐"怎么办？

    答：对于utf-8，每个汉字占 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，将每个字节转换 十进制数，而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

*用途举例，用最省空间的方式，存储在线用户数及分别是哪些用户在线

 

getbit(name, offset)

1

# 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)

1

2

3

4

5

# 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

strlen(name)

1

# 返回name对应值的字节长度（一个汉字3个字节）

incr(self, name, amount=1)

1

2

3

4

5

6

7

# 自增 name对应的值，当name不存在时，则建立name＝amount，不然，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)

1

2

3

4

5

# 自增 name对应的值，当name不存在时，则建立name＝amount，不然，则自增。

 

# 参数：

    # name,Redis的name

    # amount,自增数（浮点型）

decr(self, name, amount=1)

1

2

3

4

5

# 自减 name对应的值，当name不存在时，则建立name＝amount，不然，则自减。

 

# 参数：

    # name,Redis的name

    # amount,自减数（整数）

append(key, value)

1

2

3

4

5

# 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

　　

2. Hash操做

hash表现形式上有些像pyhton中的dict,能够存储一组关联性较强的数据 ， redis中Hash在内存中的存储格式以下图：　　

 

hset(name, key, value)

1

2

3

4

5

6

7

8

9

# name对应的hash中设置一个键值对（不存在，则建立；不然，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时则建立（至关于添加）

hmset(name, mapping)

1

2

3

4

5

6

7

8

# 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)

1

# 在name对应的hash中获取根据key获取value

hmget(name, keys, *args)

1

2

3

4

5

6

7

8

9

10

11

# 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)

1

获取name对应hash的全部键值

hlen(name)

1

# 获取name对应的hash中键值对的个数

hkeys(name)

1

# 获取name对应的hash中全部的key的值

hvals(name)

1

# 获取name对应的hash中全部的value的值

hexists(name, key)

1

# 检查name对应的hash是否存在当前传入的key

hdel(name,*keys)

1

# 将name对应的hash中指定key的键值对删除

hincrby(name, key, amount=1)

1

2

3

4

5

# 自增name对应的hash中的指定key的值，不存在则建立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)

1

2

3

4

5

6

7

8

# 自增name对应的hash中的指定key的值，不存在则建立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，不存在则建立key=amount

hscan(name, cursor=0, match=None, count=None)

Start a full hash scan with:

HSCAN myhash 0

Start a hash scan with fields matching a pattern with:

HSCAN myhash 0 MATCH order_*

Start a hash scan with fields matching a pattern and forcing the scan command to do more scanning with:

HSCAN myhash 0 MATCH order_* COUNT 1000

 

1

2

3

4

5

6

7

8

9

10

11

12

13

# 增量式迭代获取，对于数据大的数据很是有用，hscan能够实现分片的获取数据，并不是一次性将数据所有获取完，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 表示全部的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，表示数据已经经过分片获取完毕

 

hscan_iter(name, match=None, count=None)

1

2

3

4

5

6

7

8

9

# 利用yield封装hscan建立生成器，实现分批去redis中获取数据

  

# 参数：

    # match，匹配指定key，默认None 表示全部的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

 

3. list

List操做，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，每一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) 表示从右向左操做

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) 表示从右向左操做

llen(name)

1

# 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：在它先后插入数据

    # 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从新赋值

 

# 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，删除列表中全部的指定值；

           # 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) 表示从右向左操做

lindex(name, index)

1

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，同时将其添加至另外一个列表的最左边

# 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，当元素全部列表的元素获取完以后，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外一个列表的左侧

 

# 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

 

4.set集合操做

Set操做，Set集合就是不容许重复的列表

sadd(name,values)

1

# name对应的集合中添加元素

scard(name)

1

获取name对应的集合中元素个数

sdiff(keys, *args)

1

在第一个name对应的集合中且不在其余name对应的集合的元素集合

sdiffstore(dest, keys, *args)

1

# 获取第一个name对应的集合中且不在其余name对应的集合，再将其新加入到dest对应的集合中

sinter(keys, *args)

1

# 获取多一个name对应集合的并集

sinterstore(dest, keys, *args)

1

# 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)

1

# 检查value是不是name对应的集合的成员

smembers(name)

1

# 获取name对应的集合的全部成员

smove(src, dst, value)

1

# 将某个成员从一个集合中移动到另一个集合

spop(name)

1

# 从集合的右侧（尾部）移除一个成员，并将其返回

srandmember(name, numbers)

1

# 从name对应的集合中随机获取 numbers 个元素

srem(name, values)

1

# 在name对应的集合中删除某些值

sunion(keys, *args)

1

# 获取多一个name对应的集合的并集

sunionstore(dest,keys, *args)

1

# 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)

1

# 同字符串的操做，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；元素的排序须要根据另一个值来进行比较，因此，对于有序集合，每个元素有两个值，即：值和分数，分数专门用来作排序。

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)

1

# 获取name对应的有序集合元素的数量

zcount(name, min, max)

1

# 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)

1

# 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，有序集合索引发始位置（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

 

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)

1

# 根据排行范围删除

zremrangebyscore(name, min, max)

1

# 根据分数范围删除

 

zscore(name, value)

1

# 获取name对应有序集合中 value 对应的分数

zinterstore(dest, keys, aggregate=None)

1

2

# 获取两个有序集合的交集，若是遇到相同值不一样分数，则按照aggregate进行操做

# aggregate的值为:  SUM  MIN  MAX

zunionstore(dest, keys, aggregate=None)

1

2

# 获取两个有序集合的并集，若是遇到相同值不一样分数，则按照aggregate进行操做

# 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)

1

# 同字符串类似，相较于字符串新增score_cast_func，用来对分数进行操做

 

 

其余经常使用操做

delete(*names)

1

# 根据删除redis中的任意数据类型

exists(name)

1

# 检测redis的name是否存在

keys(pattern='*')

1

2

3

4

5

6

7

# 根据模型获取redis的name

 

# 更多：

    # KEYS * 匹配数据库中全部 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)

1

# 为某个redis的某个name设置超时时间

rename(src, dst)

1

# 对redis的name重命名为

move(name, db))

1

# 将redis的某个值移动到指定的db下

randomkey()

1

# 随机获取一个redis的name（不删除）

type(name)

1

# 获取name对应值的类型

scan(cursor=0, match=None, count=None)
scan_iter(match=None, count=None)

1

# 同字符串操做，用于增量迭代获取key

 

 

管道

redis-py默认在执行每次请求都会建立（链接池申请链接）和断开（归还链接池）一次链接操做，若是想要在一次请求中指定多个命令，则可使用pipline实现一次请求指定多个命令，而且默认状况下一次pipline 是原子性操做。

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)

 

pipe.set('name', 'alex')

pipe.set('role', 'sb')

 

pipe.execute()

 

 

发布订阅

发布者：服务器

订阅者：Dashboad和数据处理

Demo以下：

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/

 

何时用关系型数据库，何时 用NoSQL?

 


Go for legacy relational databases (RDBMS) when:

  1. The data is well structured, and lends itself to a tabular arrangement (rows and columns) in a relational database. Typical examples: bank account info, customer order info, customer info, employee info, department info etc etc.

  2. Another aspect of the above point is : schema oriented data model. When you design a data model (tables, relationships etc) for a potential use of RDBMS, you need to come up with a well defined schema: there will be these many tables, each table having a known set of columns that store data in known typed format (CHAR, NUMBER, BLOB etc).

  3. Very Important: Consider whether the data is transactional in nature. In other words, whether the data will be stored, accessed and updated in the context of transactions providing the ACID semantics or is it okay to compromise some/all of these properties.

  4. Correctness is also important and any compromise is _unacceptable_. This stems from the fact that in most NoSQL databases, consistency is traded off in favor of performance and scalability (points on NoSQL databases are elaborated below).

  5. There is no strong/compelling need for a scale out architecture ; a database that linearly scales out (horizontal scaling) to multiple nodes in a cluster.

  6. The use case is not for “high speed data ingestion”.

  7. If the client applications are expecting to quickly stream large amounts of data in/out of the database then relational database may not be a good choice since they are not really designed for scaling write heavy workloads.

  8. In order to achieve ACID properties, lots of additional background work is done especially in writer (INSERT, UPDATE, DELETE) code paths. This definitely affects performance.

  9. The use case is not for “storing enormous amounts of data in the range of petabytes”.

 

Go for NoSQL databases when:

  1. There is no fixed (and predetermined) schema that data fits in:

  2. Scalability, Performance (high throughput and low operation latency), Continuous Availability are very important requirements to be met by the underlying architecture of database.

  3. Good choice for “High Speed Data Ingestion”. Such applications (for example IoT style) which generate millions of data points in a second and need a database capable of providing extreme write scalability.

  4. The inherent ability to horizontally scale allows to store large amounts of data across commodity servers in the cluster. They usually use low cost resources, and are able to linearly add compute and storage power as the demand grows.

source page https://www.quora.com/When-should-you-use-NoSQL-vs-regular-RDBMS 

 

 

附赠redis性能测试

　　准备环境：

　　由于找不到可用的1000M网络机器，使用一根直通线将两台笔记本连起来组成1000M Ethernet网。没错，是直通线如今网卡都能自适应交叉线、直通线，速度不受影响，用了一段时间机器也没出问题。

　　服务端：T420 i5-2520M（2.5G）/8G ubuntu 11.10

　　客户端：Acer i5-2430M（2.4G）/4G mint 11

　　redis版本：2.6.9

　　测试脚本：./redis-benchmark -h xx -p xx -t set -q -r 1000 -l -d 20

　　

长度 速度/sec 带宽(MByte/s) 发送+接收 CPU CPU Detail
20Byte 17w 24M+12M 98.00% Cpu0 : 21.0%us, 40.7%sy, 0.0%ni, 4.3%id, 0.0%wa, 0.0%hi, 34.0%si, 0.0%st
100Byte 17w 37M+12M 97.00% Cpu0 : 20.3%us, 37.9%sy, 0.0%ni, 7.0%id, 0.0%wa, 0.0%hi, 34.9%si, 0.0%st
512Byte 12w 76M+9M 87.00% Cpu0 : 20.9%us, 33.2%sy, 0.0%ni, 25.6%id, 0.0%wa, 0.0%hi, 20.3%si, 0.0%st
1K 9w 94M+8M 81.00% Cpu0 : 19.9%us, 30.2%sy, 0.0%ni, 34.2%id, 0.0%wa, 0.0%hi, 15.6%si, 0.0%st
2K 5w 105M+6M 77.00% Cpu0 : 18.0%us, 32.0%sy, 0.0%ni, 34.7%id, 0.0%wa, 0.0%hi, 15.3%si, 0.0%st
5K 2.2w 119M+3.2M 77.00% Cpu0 : 22.5%us, 32.8%sy, 0.0%ni, 32.8%id, 0.0%wa, 0.0%hi, 11.9%si, 0.0%st
10K 1.1w 119M+1.7M 70.00% Cpu0 : 18.2%us, 29.8%sy, 0.0%ni, 42.7%id, 0.0%wa, 0.0%hi, 9.3%si, 0.0%st
20K 0.57w 120M+1M 58.00% Cpu0 : 17.8%us, 26.4%sy, 0.0%ni, 46.2%id, 0.0%wa, 0.0%hi, 9.6%si, 0.0%st

　　value 在1K以上时，1000M网卡轻松的被跑慢，并且redis-server cpu连一个核心都没占用到，可见redis高效，redis的服务也不须要过高配置，瓶颈在网卡速度。

　　整理看redis的us都在20%左右，用户层代码资源占用比例都很小。


redis

pool =  redis.ConnectionPool(=, =,=,=)
r = redis.Redis(=pool)



pipe = r.pipeline(=)

pipe.set(, )
pipe.set(, )

pipe.execute()

(r.get())
相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程