python之redis和memcache操做

时间  2019-12-09
标签 python redis memcache 栏目 Python 繁體版
原文   原文链接

Redis 教程

Redis是一个开源（BSD许可），内存存储的数据结构服务器，可用做数据库，高速缓存和消息队列代理。Redis 是彻底开源免费的，遵照BSD协议，是一个高性能的key-value数据库。它支持字符串、哈希表、列表、集合、有序集合，位图，hyperloglogs等数据类型。内置复制、Lua脚本、LRU收回、事务以及不一样级别磁盘持久化功能，同时经过Redis Sentinel提供高可用，经过Redis Cluster提供自动分区。html

REmote DIctionary Server(Redis) 是一个由Salvatore Sanfilippo写的key-value存储系统。前端

Redis是一个开源的使用ANSI C语言编写、遵照BSD协议、支持网络、可基于内存亦可持久化的日志型、Key-Value数据库，并提供多种语言的API。python

它一般被称为数据结构服务器，由于值（value）能够是 字符串(String), 哈希(Map), 列表(list), 集合(sets) 和 有序集合(sorted sets)等类型。git

Redis教程：http://www.redis.net.cn/tutorial/3501.html程序员

Redis命令：github

　　http://www.redis.net.cn/order/redis

　　http://doc.redisfans.com/算法

 

Redis 与其余 key - value 缓存产品有如下三个特色：mongodb

  • Redis支持数据的持久化，能够将内存中的数据保持在磁盘中，重启的时候能够再次加载进行使用。
  • Redis不只仅支持简单的key-value类型的数据，同时还提供list，set，zset，hash等数据结构的存储。
  • Redis支持数据的备份，即master-slave模式的数据备份。

Redis 优点

  • 性能极高 – Redis能读的速度是110000次/s,写的速度是81000次/s 。
  • 丰富的数据类型 – Redis支持二进制案例的 Strings, Lists, Hashes, Sets 及 Ordered Sets 数据类型操做。
  • 原子 – Redis的全部操做都是原子性的，同时Redis还支持对几个操做全并后的原子性执行。
  • 丰富的特性 – Redis还支持 publish/subscribe, 通知, key 过时等等特性。

Redis与其余key-value存储有什么不一样？

  • Redis有着更为复杂的数据结构而且提供对他们的原子性操做，这是一个不一样于其余数据库的进化路径。Redis的数据类型都是基于基本数据结构的同时对程序员透明，无需进行额外的抽象。
  • Redis运行在内存中可是能够持久化到磁盘，因此在对不一样数据集进行高速读写时须要权衡内存，应为数据量不能大于硬件内存。在内存数据库方面的另外一个优势是， 相比在磁盘上相同的复杂的数据结构，在内存中操做起来很是简单，这样Redis能够作不少内部复杂性很强的事情。 同时，在磁盘格式方面他们是紧凑的以追加的方式产生的，由于他们并不须要进行随机访问。

您能够对这些类型进行原子操做，如附加到字符串;递增哈希值;列表进栈;计算交集，差集和并集;在有序集合中获取最大值。数据库

为了实现卓越的性能，Redis的数据存储在内存中。你能够不按期导出数据到磁盘，或把操做追加到日志。

Redis主从复制，首次采用快速的非阻塞同步，网络中断等异常时会自动重连。

其余特性有事务，Pub/Sub， Lua脚本，keys生存期，配置Redis为cache。

Redis用ANSI C书写，能够无外部依赖地在和多数POSIX系统的，如Linux， * BSD ，Mac OS X运行。测试和开发多基于Linux和OSX，建议使用Linux。不支持windows。

数据模型

Redis的外层由键、值映射的字典构成。与其余非关系型数据库主要不一样在于：Redis中值的类型不只限于字符串，还支持以下抽象数据类型：

  • 字符串列表
  • 无序不重复的字符串集合
  • 有序不重复的字符串集合
  • 键、值都为字符串的哈希表

值的类型决定了值自己支持的操做。Redis支持高层的服务器原子操做，好比交集、并集、差集。

持久化

Redis的一般内存中的保存整个数据集。2.4以上版本可配置使用他们虚拟内存可是很快不推荐使用。目前经过两种方式实现持久化：

  • 快照：一种半持久模式。不时把数据集以异步方式从内存以RDB格式写入硬盘。
  • 1.1版本开始使用更安全的AOF格式替代，一种只能追加的日志类型。当内存中数据集修改时产生该日志。Redis能在后台重修可追加的记录做修改来避免无限增加的日志。

默认状况下，Redis的每2秒同步数据到磁盘，若是整个系统异常也知会丢失几秒的数据。

同步

Redis支持主从同步。数据能够从主服务器向任意数量的从服务器上同步，从服务器可做为其余从服务器的主服务器。这使得Redis可执行单层树复制。从盘能够有意无心的数据不一致。因为彻底实现了发布/订阅机制，使得从数据库在任何地方同步树根。复制用于读(非写）扩展和数据冗余。

性能

当数据不须要持久化时，Redis基于内存，写与读操做速度没有明显差异。Redis以单一的过程和单线程执行，单个的Redis实例不能执行存储过程之类的并发操做。

集群

Redis的项目有一个集群规范，但集群功能目前处于测试阶段。据Redis的创造者圣菲利波，Redis的集群的第一个测试版计划在在2013年年末，将支持key空间自动分区和热模式碎片重整，但只支持单key操做。未来Redis集群会支持多达1000个节点，支持心跳的容错和故障检测，增量版本控制以防止冲突，slave选举和推荐为master，并全部群集节点之间的发布和订阅。

Linux 下安装

下载地址：http://www.redis.net.cn/download/，下载最新文档版本。

本教程使用的最新文档版本为 2.8.17，下载并安装：

  1. $ wget http://download.redis.io/releases/redis-2.8.17.tar.gz
  2. $ tar xzf redis-2.8.17.tar.gz
  3. $ cd redis-2.8.17
  4. $ make

make完后 redis-2.8.17目录下会出现编译后的redis服务程序redis-server,还有用于测试的客户端程序redis-cli

下面启动redis服务.

  1. $ ./redis-server

注意这种方式启动redis 使用的是默认配置。也能够经过启动参数告诉redis使用指定配置文件使用下面命令启动。

  1. $ ./redis-server redis.conf

redis.conf是一个默认的配置文件。咱们能够根据须要使用本身的配置文件。

启动redis服务进程后，就可使用测试客户端程序redis-cli和redis服务交互了。 好比：

  1. $ ./redis-cli
  2. redis> set foo bar
  3. OK
  4. redis> get foo
  5. "bar"

Ubuntu 下安装

在 Ubuntu 系统安装 Redi 可使用如下命令:

  1. $sudo apt-get update
  2. $sudo apt-get install redis-server

启动 Redis

  1. $redis-server

查看 redis 是否启动？

  1. $redis-cli

以上命令将打开如下终端：

  1. redis 127.0.0.1:6379>

127.0.0.1 是本机 IP ，6379 是 redis 服务端口。如今咱们输入 PING 命令。

  1. redis 127.0.0.1:6379> ping
  2. PONG

以上说明咱们已经成功安装了redis。

Redis 的配置文件位于 Redis 安装目录下，文件名为 redis.conf。

你能够经过 CONFIG 命令查看或设置配置项。

语法

Redis CONFIG 命令格式以下：

  1. redis 127.0.0.1:6379> CONFIG GET CONFIG_SETTING_NAME

实例

  1. redis 127.0.0.1:6379> CONFIG GET loglevel
  2.  
  3. 1) "loglevel"
  4. 2) "notice"

使用 * 号获取全部配置项：

 

Redis 数据类型

1、Redis安装和基本使用

1
2
3
4
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

1
src / redis - server

启动客户端

1
2
3
4
5
src / redis - cli
redis> set foo bar
OK
redis> get foo
"bar"

2、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

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

Redis支持五种数据类型：string（字符串），hash（哈希），list（列表），set（集合）及zset(sorted set：有序集合)。

String（字符串）

string是redis最基本的类型，你能够理解成与Memcached如出一辙的类型，一个key对应一个value。

string类型是二进制安全的。意思是redis的string能够包含任何数据。好比jpg图片或者序列化的对象 。

#在Redis中设置值，默认不存在则建立，存在则修改
r.set('name', 'zhangsan')
'''参数：
     set(name, value, ex=None, px=None, nx=False, xx=False)
     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,同setnx(name, value)
     xx，若是设置为True，则只有name存在时，当前set操做才执行'''


setex(name, value, time)
#设置过时时间（秒）  psetex(name, time_ms, value) #设置过时时间（豪秒）

 

string类型是Redis最基本的数据类型，一个键最大能存储512MB。

实例

  1. redis 127.0.0.1:6379> SET name "redis.net.cn"
  2. OK
  3. redis 127.0.0.1:6379> GET name
  4. "redis.net.cn"

在以上实例中咱们使用了 Redis 的 SET 和 GET 命令。键为 name，对应的值为redis.net.cn。

注意：一个键最大能存储512MB。

mset()

#批量设置值
r.mset(name1='zhangsan', name2='lisi')
#或
r.mget({"name1":'zhangsan', "name2":'lisi'})

get(name)

　　获取值

mget(keys, *args)

#批量获取
print(r.mget("name1","name2"))
#或
li=["name1","name2"]
print(r.mget(li))

getset(name, value)

#设置新值，打印原值
print(r.getset("name1","wangwu")) #输出:zhangsan
print(r.get("name1")) #输出:wangwu

getrange(key, start, end)

#根据字节获取子序列
r.set("name","zhangsan")
print(r.getrange("name",0,3))#输出:zhan

setrange(name, offset, value)

#修改字符串内容，从指定字符串索引开始向后替换，若是新值太长时，则向后添加
r.set("name","zhangsan")
r.setrange("name",1,"z")
print(r.get("name")) #输出:zzangsan
r.setrange("name",6,"zzzzzzz")
print(r.get("name")) #输出:zzangszzzzzzz

setbit(name, offset, value)

复制代码 
#对二进制表示位进行操做
''' name:redis的name
    offset，位的索引（将值对应的ASCII码变换成二进制后再进行索引）
    value，值只能是 1 或 0 '''

str="345"
r.set("name",str)
for i in str:
    print(i,ord(i),bin(ord(i)))#输出 值、ASCII码中对应的值、对应值转换的二进制
'''
输出:
    3 51 0b110011
    4 52 0b110100
    5 53 0b110101'''

r.setbit("name",6,0)#把第7位改成0，也就是3对应的变成了0b110001
print(r.get("name"))#输出：145
复制代码

getbit(name, offset)

#获取name对应值的二进制中某位的值(0或1)
r.set("name","3") # 对应的二进制0b110011
print(r.getbit("name",5))   #输出:0
print(r.getbit("name",6))   #输出:1

bitcount(key, start=None, end=None)

#获取对应二进制中1的个数
r.set("name","345")#0b110011 0b110100 0b110101
print(r.bitcount("name",start=0,end=1)) #输出:7
''' key:Redis的name
    start:字节起始位置
    end:字节结束位置'''

strlen(name)

#返回name对应值的字节长度（一个汉字3个字节）
r.set("name","zhangsan")
print(r.strlen("name")) #输出:8

incr(self, name, amount=1)

#自增mount对应的值，当mount不存在时，则建立mount＝amount，不然，则自增,amount为自增数(整数)
print(r.incr("mount",amount=2))#输出:2
print(r.incr("mount"))#输出:3
print(r.incr("mount",amount=3))#输出:6
print(r.incr("mount",amount=6))#输出:12
print(r.get("mount")) #输出:12

incrbyfloat(self, name, amount=1.0)

#相似 incr() 自增,amount为自增数(浮点数)

decr(self, name, amount=1)

#自减name对应的值,当name不存在时,则建立name＝amount，不然，则自减，amount为自增数(整数)

append(name, value)

#在name对应的值后面追加内容
r.set("name","zhangsan")
print(r.get("name"))    #输出:'zhangsan
r.append("name","lisi")
print(r.get("name"))    #输出:zhangsanlisi

 

Hash（哈希）

Redis hash 是一个键值对集合。

Redis hash是一个string类型的field和value的映射表，hash特别适合用于存储对象。

实例

  1. redis 127.0.0.1:6379> HMSET user:1 username redis.net.cn password redis.net.cn points 200
  2. OK
  3. redis 127.0.0.1:6379> HGETALL user:1
  4. 1) "username"
  5. 2) "redis.net.cn"
  6. 3) "password"
  7. 4) "redis.net.cn"
  8. 5) "points"
  9. 6) "200"
  10. redis 127.0.0.1:6379>

以上实例中 hash 数据类型存储了包含用户脚本信息的用户对象。 实例中咱们使用了 Redis HMSET, HEGTALL 命令，user:1 为键值。

每一个 hash 能够存储 232 - 1 键值对（40多亿）。

redis中的Hash 在内存中相似于一个name对应一个dic来存储 

 hset(name, key, value)

#name对应的hash中设置一个键值对（不存在，则建立，不然，修改）
r.hset("dic_name","a1","aa")

hget(name,key)

r.hset("dic_name","a1","aa")
#在name对应的hash中根据key获取value
print(r.hget("dic_name","a1"))#输出:aa

hgetall(name)

#获取name对应hash的全部键值
print(r.hgetall("dic_name"))

hmset(name, mapping)

#在name对应的hash中批量设置键值对,mapping:字典
dic={"a1":"aa","b1":"bb"}
r.hmset("dic_name",dic)
print(r.hget("dic_name","b1"))#输出:bb

hmget(name, keys, *args)

# 在name对应的hash中获取多个key的值
li=["a1","b1"]
print(r.hmget("dic_name",li))
print(r.hmget("dic_name","a1","b1"))

hlen(name)、hkeys(name)、hvals(name)

复制代码 
dic={"a1":"aa","b1":"bb"}
r.hmset("dic_name",dic)

#hlen(name) 获取hash中键值对的个数
print(r.hlen("dic_name"))

#hkeys(name) 获取hash中全部的key的值
print(r.hkeys("dic_name"))

#hvals(name) 获取hash中全部的value的值
print(r.hvals("dic_name"))
复制代码

hexists(name, key)

#检查name对应的hash是否存在当前传入的key
print(r.hexists("dic_name","a1"))#输出:True

hdel(name,*keys)

#删除指定name对应的key所在的键值对
r.hdel("dic_name","a1")

hincrby(name, key, amount=1)

#自增hash中key对应的值，不存在则建立key=amount(amount为整数)
print(r.hincrby("demo","a",amount=2))

hincrbyfloat(name, key, amount=1.0)

#自增hash中key对应的值，不存在则建立key=amount(amount为浮点数)

 

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

 

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

List（列表）

Redis 列表是简单的字符串列表，按照插入顺序排序。你能够添加一个元素导列表的头部（左边）或者尾部（右边）。

实例

  1. redis 127.0.0.1:6379> lpush redis.net.cn redis
  2. (integer) 1
  3. redis 127.0.0.1:6379> lpush redis.net.cn mongodb
  4. (integer) 2
  5. redis 127.0.0.1:6379> lpush redis.net.cn rabitmq
  6. (integer) 3
  7. redis 127.0.0.1:6379> lrange redis.net.cn 0 10
  8. 1) "rabitmq"
  9. 2) "mongodb"
  10. 3) "redis"
  11. redis 127.0.0.1:6379>

列表最多可存储 232 - 1 元素 (4294967295, 每一个列表可存储40多亿)。

edis中的List在在内存中按照一个name对应一个List来存储 

lpush(name,values)

# 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
r.lpush("list_name",2)
r.lpush("list_name",3,4,5)#保存在列表中的顺序为5，4，3，2

rpush(name,values)

#同lpush，但每一个新的元素都添加到列表的最右边

lpushx(name,value)

#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

rpushx(name,value)

#在name对应的list中添加元素，只有name已经存在时，值添加到列表的最右边

llen(name)

# name对应的list元素的个数
print(r.llen("list_name"))

linsert(name, where, refvalue, value))

复制代码 
# 在name对应的列表的某一个值前或后插入一个新值
r.linsert("list_name","BEFORE","2","SS")#在列表内找到第一个元素2，在它前面插入SS

'''参数：
     name: redis的name
     where: BEFORE（前）或AFTER（后）
     refvalue: 列表内的值
     value: 要插入的数据'''
复制代码

r.lset(name, index, value)

#对list中的某一个索引位置从新赋值
r.lset("list_name",0,"bbb")

r.lrem(name, value, num)

复制代码 
#删除name对应的list中的指定值
r.lrem("list_name","SS",num=0)

''' 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'''
复制代码

lpop(name)

#移除列表的左侧第一个元素，返回值则是第一个元素
print(r.lpop("list_name"))

lindex(name, index)

#根据索引获取列表内元素
print(r.lindex("list_name",1))

lrange(name, start, end)

#分片获取元素
print(r.lrange("list_name",0,-1))

ltrim(name, start, end)

#移除列表内没有在该索引以内的值
r.ltrim("list_name",0,2)

rpoplpush(src, dst)

# 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
#src 要取数据的列表
#dst 要添加数据的列表

brpoplpush(src, dst, timeout=0)

#同rpoplpush，多了个timeout, timeout：取数据的列表没元素后的阻塞时间，0为一直阻塞
r.brpoplpush("list_name","list_name1",timeout=0)

blpop(keys, timeout)

复制代码 
#将多个列表排列,按照从左到右去移除各个列表内的元素
r.lpush("list_name",3,4,5)
r.lpush("list_name1",3,4,5)

while True:
    print(r.blpop(["list_name","list_name1"],timeout=0))
    print(r.lrange("list_name",0,-1),r.lrange("list_name1",0,-1))

'''keys: redis的name的集合
   timeout: 超时时间，获取完全部列表的元素以后，阻塞等待列表内有数据的时间（秒）, 0 表示永远阻塞'''
复制代码

r.brpop(keys, timeout)

#同blpop，将多个列表排列,按照从右像左去移除各个列表内的元素

 

 

Set（集合）

Redis的Set是string类型的无序集合。

集合是经过哈希表实现的，因此添加，删除，查找的复杂度都是O(1)。

sadd 命令

添加一个string元素到,key对应的set集合中，成功返回1,若是元素以及在集合中返回0,key对应的set不存在返回错误。

  1. sadd key member

实例

  1. redis 127.0.0.1:6379> sadd redis.net.cn redis
  2. (integer) 1
  3. redis 127.0.0.1:6379> sadd redis.net.cn mongodb
  4. (integer) 1
  5. redis 127.0.0.1:6379> sadd redis.net.cn rabitmq
  6. (integer) 1
  7. redis 127.0.0.1:6379> sadd redis.net.cn rabitmq
  8. (integer) 0
  9. redis 127.0.0.1:6379> smembers redis.net.cn
  10.  
  11. 1) "rabitmq"
  12. 2) "mongodb"
  13. 3) "redis"

注意：以上实例中 rabitmq 添加了两次，但根据集合内元素的惟一性，第二次插入的元素将被忽略。

集合中最大的成员数为 232 - 1 (4294967295, 每一个集合可存储40多亿个成员)。

Set集合就是不容许重复的列表

sadd(name,values)

#给name对应的集合中添加元素
r.sadd("set_name","aa")
r.sadd("set_name","aa","bb")

smembers(name)

#获取name对应的集合的全部成员

scard(name)

#获取name对应的集合中的元素个数
r.scard("set_name")

sdiff(keys, *args)

#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
r.sadd("set_name","aa","bb")
r.sadd("set_name1","bb","cc")
r.sadd("set_name2","bb","cc","dd")

print(r.sdiff("set_name","set_name1","set_name2"))#输出:｛aa｝

sdiffstore(dest, keys, *args)

#至关于把sdiff获取的值加入到dest对应的集合中

sinter(keys, *args)

# 获取多个name对应集合的并集
r.sadd("set_name","aa","bb")
r.sadd("set_name1","bb","cc")
r.sadd("set_name2","bb","cc","dd")

print(r.sinter("set_name","set_name1","set_name2"))#输出:｛bb｝

sinterstore(dest, keys, *args)

#获取多个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是不是name对应的集合内的元素

smove(src, dst, value)

#将某个元素从一个集合中移动到另一个集合

spop(name)

#从集合的右侧移除一个元素，并将其返回

srandmember(name, numbers)

# 从name对应的集合中随机获取numbers个元素
print(r.srandmember("set_name2",2))

srem(name, values)

#删除name对应的集合中的某些值
print(r.srem("set_name2","bb","dd"))

sunion(keys, *args)

#获取多个name对应的集合的并集
r.sunion("set_name","set_name1","set_name2")

sunionstore(dest,keys, *args)

#获取多个name对应的集合的并集，并将结果保存到dest对应的集合中

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)

# 在name对应的有序集合中添加元素
r.zadd("zset_name", "a1", 6, "a2", 2,"a3",5)
#或
r.zadd('zset_name1', b1=10, b2=5)

zcard(name)

#获取有序集合内元素的数量

zcount(name, min, max)

#获取有序集合中分数在[min,max]之间的个数
print(r.zcount("zset_name",1,5))

zincrby(name, value, amount)

#自增有序集合内value对应的分数
r.zincrby("zset_name","a1",amount=2)#自增zset_name对应的有序集合里a1对应的分数

zrange( name, start, end, desc=False, withscores=False, score_cast_func=float)

复制代码 
# 按照索引范围获取name对应的有序集合的元素
aa=r.zrange("zset_name",0,1,desc=False,withscores=True,score_cast_func=int)
print(aa)
'''参数：
    name    redis的name
    start   有序集合索引发始位置
    end     有序集合索引结束位置
    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'''
复制代码

zrevrange(name, start, end, withscores=False, score_cast_func=float)

#同zrange，集合是从大到小排序的

zrank(name, value)、zrevrank(name, value)

#获取value值在name对应的有序集合中的排行位置（从0开始）
print(r.zrank("zset_name", "a2"))

print(r.zrevrank("zset_name", "a2"))#从大到小排序

zscore(name, value)

#获取name对应有序集合中 value 对应的分数
print(r.zscore("zset_name","a1"))

zrem(name, values)

#删除name对应的有序集合中值是values的成员
r.zrem("zset_name","a1","a2")

zremrangebyrank(name, min, max)

#根据排行范围删除

zremrangebyscore(name, min, max)

#根据分数范围删除

zinterstore(dest, keys, aggregate=None)

复制代码 
r.zadd("zset_name", "a1", 6, "a2", 2,"a3",5)
r.zadd('zset_name1', a1=7,b1=10, b2=5)

# 获取两个有序集合的交集并放入dest集合，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
r.zinterstore("zset_name2",("zset_name1","zset_name"),aggregate="MAX")
print(r.zscan("zset_name2"))
复制代码

zunionstore(dest, keys, aggregate=None)

#获取两个有序集合的并集并放入dest集合，其余同zinterstore，

其余经常使用操做

delete(*names)

#根据name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* ？等通配符匹配获取redis的name

expire(name ,time)

# 为某个name设置超时时间

rename(src, dst)

# 重命名

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

zset(sorted set：有序集合)

Redis zset 和 set 同样也是string类型元素的集合,且不容许重复的成员。

不一样的是每一个元素都会关联一个double类型的分数。redis正是经过分数来为集合中的成员进行从小到大的排序。

zset的成员是惟一的,但分数(score)却能够重复。

zadd 命令

添加元素到集合，元素在集合中存在则更新对应score

  1. zadd key score member

实例

  1. redis 127.0.0.1:6379> zadd redis.net.cn 0 redis
  2. (integer) 1
  3. redis 127.0.0.1:6379> zadd redis.net.cn 0 mongodb
  4. (integer) 1
  5. redis 127.0.0.1:6379> zadd redis.net.cn 0 rabitmq
  6. (integer) 1
  7. redis 127.0.0.1:6379> zadd redis.net.cn 0 rabitmq
  8. (integer) 0
  9. redis 127.0.0.1:6379> ZRANGEBYSCORE redis.net.cn 0 1000
  10.  
  11. 1) "redis"
  12. 2) "mongodb"
  13. 3) "rabitmq"

 

应用场景 - 实时用户统计 　　当咱们须要在页面上显示当前的在线用户时，就可使用Redis来完成了。首先得到当前时间（以Unix timestamps方式）除以60，能够基于这个值建立一个key。而后添加用户到这个集合中。当超过你设定的最大的超时时间，则将这个集合设为过时；而当须要查询当前在线用户的时候，则将最后N分钟的集合交集在一块儿便可。因为redis链接对象是线程安全的，因此能够直接使用一个全局变量来表示。

 

 python操做redis

链接方式

　　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

复制代码 
#!/usr/bin/env python # -*- coding:utf-8 -*- import redis r = redis.Redis(host='192.168.0.110', port=6379,db=0) r.set('name', 'zhangsan') #添加 print (r.get('name')) #获取
复制代码

 

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。

复制代码 
#!/usr/bin/env python # -*- coding:utf-8 -*- import redis pool = redis.ConnectionPool(host='192.168.0.110', port=6379) r = redis.Redis(connection_pool=pool) r.set('name', 'zhangsan') #添加 print (r.get('name')) #获取

 

 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。

复制代码 
#!/usr/bin/env python # -*- coding:utf-8 -*- import redis pool = redis.ConnectionPool(host='192.168.0.110', port=6379) r = redis.Redis(connection_pool=pool) pipe = r.pipeline(transaction=True) r.set('name', 'zhangsan') r.set('name', 'lisi') pipe.execute()
复制代码

 

发布和订阅

首先定义一个RedisHelper类，链接Redis，定义频道为monitor，定义发布(publish)及订阅(subscribe)方法。

复制代码 
#!/usr/bin/env python #-*- coding:utf-8 -*- import redis class RedisHelper(object): def __init__(self): self.__conn = redis.Redis(host='192.168.0.110',port=6379)#链接Redis self.channel = 'monitor' #定义名称 def publish(self,msg):#定义发布方法 self.__conn.publish(self.channel,msg) return True def subscribe(self):#定义订阅方法 pub = self.__conn.pubsub() pub.subscribe(self.channel)  pub.parse_response() return pub
复制代码

 

发布者

复制代码 
#!/usr/bin/env python # -*- coding:utf-8 -*- #发布 from RedisHelper import RedisHelper obj = RedisHelper() obj.publish('hello')#发布
复制代码

 

订阅者

复制代码 
#!/usr/bin/env python # -*- coding:utf-8 -*- #订阅 from RedisHelper import RedisHelper obj = RedisHelper() redis_sub = obj.subscribe()#调用订阅方法 while True: msg= redis_sub.parse_response() print (msg)

 

任务异步化

打开浏览器，输入地址，按下回车，打开了页面。因而一个HTTP请求（request）就由客户端发送到服务器，服务器处理请求，返回响应（response）内容。

咱们天天都在浏览网页，发送大大小小的请求给服务器。有时候，服务器接到了请求，会发现他也须要给另外的服务器发送请求，或者服务器也须要作另一些事情，因而最初们发送的请求就被阻塞了，也就是要等待服务器完成其余的事情。

更多的时候，服务器作的额外事情，并不须要客户端等待，这时候就能够把这些额外的事情异步去作。从事异步任务的工具备不少。主要原理仍是处理通知消息，针对通知消息一般采起是队列结构。生产和消费消息进行通讯和业务实现。

生产消费与队列

上述异步任务的实现，能够抽象为生产者消费模型。如同一个餐馆，厨师在作饭，吃货在吃饭。若是厨师作了不少，暂时卖不完，厨师就会休息；若是客户不少，厨师快马加鞭的忙碌，客户则须要慢慢等待。实现生产者和消费者的方式用不少，下面使用Python标准库Queue写个小例子：

import random import time from Queue import Queue from threading import Thread queue = Queue(10) class Producer(Thread): def run(self): while True: elem = random.randrange(9) queue.put(elem) print "厨师 {} 作了 {} 饭 --- 还剩 {} 饭没卖完".format(self.name, elem, queue.qsize()) time.sleep(random.random()) class Consumer(Thread): def run(self): while True: elem = queue.get() print "吃货{} 吃了 {} 饭 --- 还有 {} 饭能够吃".format(self.name, elem, queue.qsize()) time.sleep(random.random()) def main(): for i in range(3): p = Producer() p.start() for i in range(2): c = Consumer() c.start() if __name__ == '__main__': main()

大概输出以下：

厨师 Thread-1 作了 1 饭 --- 还剩 1 饭没卖完 厨师 Thread-2 作了 8 饭 --- 还剩 2 饭没卖完 厨师 Thread-3 作了 3 饭 --- 还剩 3 饭没卖完 吃货Thread-4 吃了 1 饭 --- 还有 2 饭能够吃 吃货Thread-5 吃了 8 饭 --- 还有 1 饭能够吃 吃货Thread-4 吃了 3 饭 --- 还有 0 饭能够吃 厨师 Thread-1 作了 0 饭 --- 还剩 1 饭没卖完 厨师 Thread-2 作了 0 饭 --- 还剩 2 饭没卖完 厨师 Thread-1 作了 1 饭 --- 还剩 3 饭没卖完 厨师 Thread-1 作了 1 饭 --- 还剩 4 饭没卖完 吃货Thread-4 吃了 0 饭 --- 还有 3 饭能够吃 厨师 Thread-3 作了 3 饭 --- 还剩 4 饭没卖完 吃货Thread-5 吃了 0 饭 --- 还有 3 饭能够吃 吃货Thread-5 吃了 1 饭 --- 还有 2 饭能够吃 厨师 Thread-2 作了 8 饭 --- 还剩 3 饭没卖完 厨师 Thread-2 作了 8 饭 --- 还剩 4 饭没卖完

Redis 队列

Python内置了一个好用的队列结构。咱们也能够是用redis实现相似的操做。并作一个简单的异步任务。

Redis提供了两种方式来做消息队列。一个是使用生产者消费模式模式，另一个方法就是发布订阅者模式。前者会让一个或者多个客户端监听消息队列，一旦消息到达，消费者立刻消费，谁先抢到算谁的，若是队列里没有消息，则消费者继续监听。后者也是一个或多个客户端订阅消息频道，只要发布者发布消息，全部订阅者都能收到消息，订阅者都是ping的。

生产消费模式

主要使用了redis提供的blpop获取队列数据，若是队列没有数据则阻塞等待，也就是监听。

import redis class Task(object): def __init__(self): self.rcon = redis.StrictRedis(host='localhost', db=5) self.queue = 'task:prodcons:queue' def listen_task(self): while True: task = self.rcon.blpop(self.queue, 0)[1] print "Task get", task if __name__ == '__main__': print 'listen task queue' Task().listen_task()

发布订阅模式

使用redis的pubsub功能，订阅者订阅频道，发布者发布消息到频道了，频道就是一个消息队列。

import redis class Task(object): def __init__(self): self.rcon = redis.StrictRedis(host='localhost', db=5) self.ps = self.rcon.pubsub() self.ps.subscribe('task:pubsub:channel') def listen_task(self): for i in self.ps.listen(): if i['type'] == 'message': print "Task get", i['data'] if __name__ == '__main__': print 'listen task channel' Task().listen_task()

Flask 入口

咱们分别实现了两种异步任务的后端服务，直接启动他们，就能监听redis队列或频道的消息了。简单的测试以下：

import redis import random import logging from flask import Flask, redirect app = Flask(__name__) rcon = redis.StrictRedis(host='localhost', db=5) prodcons_queue = 'task:prodcons:queue' pubsub_channel = 'task:pubsub:channel' @app.route('/') def index(): html = """ <br> <center><h3>Redis Message Queue</h3> <br> <a href="/prodcons">生产消费者模式</a> <br> <br> <a href="/pubsub">发布订阅者模式</a> </center> """ return html @app.route('/prodcons') def prodcons(): elem = random.randrange(10) rcon.lpush(prodcons_queue, elem) logging.info("lpush {} -- {}".format(prodcons_queue, elem)) return redirect('/') @app.route('/pubsub') def pubsub(): ps = rcon.pubsub() ps.subscribe(pubsub_channel) elem = random.randrange(10) rcon.publish(pubsub_channel, elem) return redirect('/') if __name__ == '__main__': app.run(debug=True)

启动脚本，使用

siege -c10 -r 5 http://127.0.0.1:5000/prodcons siege -c10 -r 5 http://127.0.0.1:5000/pubsub

能够分别在监听的脚本输入中看到异步消息。在异步的任务中，能够执行一些耗时间的操做，固然目前这些作法并不知道异步的执行结果，若是须要知道异步的执行结果，能够考虑设计协程任务或者使用一些工具如RQ或者celery等。

 

MemCache是什么

MemCache是一个自由、源码开放、高性能、分布式的分布式内存对象缓存系统，用于动态Web应用以减轻数据库的负载。它经过在内存中缓存数据和对象来减小读取数据库的次数，从而提升了网站访问的速度。MemCaChe是一个存储键值对的HashMap，在内存中对任意的数据（好比字符串、对象等）所使用的key-value存储，数据能够来自数据库调用、API调用，或者页面渲染的结果。MemCache设计理念就是小而强大，它简单的设计促进了快速部署、易于开发并解决面对大规模的数据缓存的许多难题，而所开放的API使得MemCache能用于Java、C/C++/C#、Perl、Python、PHP、Ruby等大部分流行的程序语言。

MemCache和MemCached的区别：

  1. Redis支持服务器端的数据操做：Redis相比Memcached来讲，拥有更多的数据结构和并支持更丰富的数据操做，一般在Memcached里，你须要将数据拿到客户端来进行相似的修改再set回去。这大大增长了网络IO的次数和数据体积。在Redis中，这些复杂的操做一般和通常的GET/SET同样高效。因此，若是须要缓存可以支持更复杂的结构和操做，那么Redis会是不错的选择。
  2. 内存使用效率对比：使用简单的key-value存储的话，Memcached的内存利用率更高，而若是Redis采用hash结构来作key-value存储，因为其组合式的压缩，其内存利用率会高于Memcached。
  3. 性能对比：因为Redis只使用单核，而Memcached可使用多核，因此平均每个核上Redis在存储小数据时比Memcached性能更高。而在100k以上的数据中，Memcached性能要高于Redis，虽然Redis最近也在存储大数据的性能上进行优化，可是比起Memcached，仍是稍有逊色。

MemCache的官方网站为http://memcached.org/

MemCache访问模型

为了加深理解，我模仿着原阿里技术专家李智慧老师《大型网站技术架构 核心原理与案例分析》一书MemCache部分，本身画了一张图：

特别澄清一个问题，MemCache虽然被称为”分布式缓存”，可是MemCache自己彻底不具有分布式的功能，MemCache集群之间不会相互通讯（与之造成对比的，好比JBoss Cache，某台服务器有缓存数据更新时，会通知集群中其余机器更新缓存或清除缓存数据），所谓的”分布式”，彻底依赖于客户端程序的实现，就像上面这张图的流程同样。

同时基于这张图，理一下MemCache一次写缓存的流程：

一、应用程序输入须要写缓存的数据

二、API将Key输入路由算法模块，路由算法根据Key和MemCache集群服务器列表获得一台服务器编号

三、由服务器编号获得MemCache及其的ip地址和端口号

四、API调用通讯模块和指定编号的服务器通讯，将数据写入该服务器，完成一次分布式缓存的写操做

读缓存和写缓存同样，只要使用相同的路由算法和服务器列表，只要应用程序查询的是相同的Key，MemCache客户端老是访问相同的客户端去读取数据，只要服务器中还缓存着该数据，就能保证缓存命中。

这种MemCache集群的方式也是从分区容错性的方面考虑的，假如Node2宕机了，那么Node2上面存储的数据都不可用了，此时因为集群中Node0和Node1还存在，下一次请求Node2中存储的Key值的时候，确定是没有命中的，这时先从数据库中拿到要缓存的数据，而后路由算法模块根据Key值在Node0和Node1中选取一个节点，把对应的数据放进去，这样下一次就又能够走缓存了，这种集群的作法很好，可是缺点是成本比较大。

一致性Hash算法

从上面的图中，能够看出一个很重要的问题，就是对服务器集群的管理，路由算法相当重要，就和负载均衡算法同样，路由算法决定着究竟该访问集群中的哪台服务器，先看一个简单的路由算法。

一、余数Hash

比方说，字符串str对应的HashCode是50、服务器的数目是3，取余数获得2，str对应节点Node2，因此路由算法把str路由到Node2服务器上。因为HashCode随机性比较强，因此使用余数Hash路由算法就能够保证缓存数据在整个MemCache服务器集群中有比较均衡的分布。

若是不考虑服务器集群的伸缩性（什么是伸缩性，请参见大型网站架构学习笔记），那么余数Hash算法几乎能够知足绝大多数的缓存路由需求，可是当分布式缓存集群须要扩容的时候，就难办了。

就假设MemCache服务器集群由3台变为4台吧，更改服务器列表，仍然使用余数Hash，50对4的余数是2，对应Node2，可是str原来是存在Node1上的，这就致使了缓存没有命中。若是这么说不够明白，那么不妨举个例子，原来有HashCode为0~19的20个数据，那么：

如今我扩容到4台，加粗标红的表示命中：

若是我扩容到20+的台数，只有前三个HashCode对应的Key是命中的，也就是15%。固然这只是个简单例子，现实状况确定比这个复杂得多，不过足以说明，使用余数Hash的路由算法，在扩容的时候会形成大量的数据没法正确命中（其实不只仅是没法命中，那些大量的没法命中的数据还在原缓存中在被移除前占据着内存）。这个结果显然是没法接受的，在网站业务中，大部分的业务数据度操做请求上事实上是经过缓存获取的，只有少许读操做会访问数据库，所以数据库的负载能力是以有缓存为前提而设计的。当大部分被缓存了的数据由于服务器扩容而不能正确读取时，这些数据访问的压力就落在了数据库的身上，这将大大超过数据库的负载能力，严重的可能会致使数据库宕机。

这个问题有解决方案，解决步骤为：

（1）在网站访问量低谷，一般是深夜，技术团队加班，扩容、重启服务器

（2）经过模拟请求的方式逐渐预热缓存，使缓存服务器中的数据从新分布

二、一致性Hash算法

一致性Hash算法经过一个叫作一致性Hash环的数据结构实现Key到缓存服务器的Hash映射，看一下我本身画的一张图：

具体算法过程为：先构造一个长度为232的整数环（这个环被称为一致性Hash环），根据节点名称的Hash值（其分布为[0, 232-1]）将缓存服务器节点放置在这个Hash环上，而后根据须要缓存的数据的Key值计算获得其Hash值（其分布也为[0, 232-1]），而后在Hash环上顺时针查找距离这个Key值的Hash值最近的服务器节点，完成Key到服务器的映射查找。

就如同图上所示，三个Node点分别位于Hash环上的三个位置，而后Key值根据其HashCode，在Hash环上有一个固定位置，位置固定下以后，Key就会顺时针去寻找离它最近的一个Node，把数据存储在这个Node的MemCache服务器中。使用Hash环若是加了一个节点会怎么样，看一下：

看到我加了一个Node4节点，只影响到了一个Key值的数据，原本这个Key值应该是在Node1服务器上的，如今要去Node4了。采用一致性Hash算法，的确也会影响到整个集群，可是影响的只是加粗的那一段而已，相比余数Hash算法影响了远超一半的影响率，这种影响要小得多。更重要的是，集群中缓存服务器节点越多，增长节点带来的影响越小，很好理解。换句话说，随着集群规模的增大，继续命中原有缓存数据的几率会愈来愈大，虽然仍然有小部分数据缓存在服务器中不能被读到，可是这个比例足够小，即便访问数据库，也不会对数据库形成致命的负载压力。

至于具体应用，这个长度为232的一致性Hash环一般使用二叉查找树实现，至于二叉查找树，就是算法的问题了，能够本身去查询相关资料。

 

解析

MemCache的工做流程以下：先检查客户端的请求数据是否在memcached中，若有，直接把请求数据返回，再也不对数据库进行任何操做；若是请求的数据不在memcached中，就去查数据库，把从数据库中获取的数据返回给客户端，同时把数据缓存一份到memcached中（memcached客户端不负责，须要程序明确实现）；每次更新数据库的同时更新memcached中的数据，保证一致性；当分配给memcached内存空间用完以后，会使用LRU（Least Recently Used，最近最少使用）策略加上到期失效策略，失效数据首先被替换，而后再替换掉最近未使用的数据。 [2]  
Memcache是一个高性能的 分布式的内存对象缓存系统，经过在 内存里维护一个统一的巨大的 hash表，它可以用来存储各类 格式的数据，包括 图像、 视频、 文件以及 数据库检索的结果等。简单的说就是将数据调用到 内存中，而后从内存中读取，从而大大提升读取速度。
Memcache是danga的一个项目，最先是LiveJournal 服务的，最初为了加速 LiveJournal 访问速度而开发的，后来被不少大型的网站采用。
Memcached是以守护程序(监听)方式运行于一个或多个 服务器中，随时会接收 客户端的 链接和操做。
 
 

而后咱们来看一下MemCache的原理，MemCache最重要的莫不是内存分配的内容了，MemCache采用的内存分配方式是固定空间分配，仍是本身画一张图说明：

这张图片里面涉及了slab_class、slab、page、chunk四个概念，它们之间的关系是：

一、MemCache将内存空间分为一组slab

二、每一个slab下又有若干个page，每一个page默认是1M，若是一个slab占用100M内存的话，那么这个slab下应该有100个page

三、每一个page里面包含一组chunk，chunk是真正存放数据的地方，同一个slab里面的chunk的大小是固定的

四、有相同大小chunk的slab被组织在一块儿，称为slab_class

MemCache内存分配的方式称为allocator，slab的数量是有限的，几个、十几个或者几十个，这个和启动参数的配置相关。

MemCache中的value过来存放的地方是由value的大小决定的，value老是会被存放到与chunk大小最接近的一个slab中，好比slab[1]的chunk大小为80字节、slab[2]的chunk大小为100字节、slab[3]的chunk大小为128字节（相邻slab内的chunk基本以1.25为比例进行增加，MemCache启动时能够用-f指定这个比例），那么过来一个88字节的value，这个value将被放到2号slab中。放slab的时候，首先slab要申请内存，申请内存是以page为单位的，因此在放入第一个数据的时候，不管大小为多少，都会有1M大小的page被分配给该slab。申请到page后，slab会将这个page的内存按chunk的大小进行切分，这样就变成了一个chunk数组，最后从这个chunk数组中选择一个用于存储数据。

若是这个slab中没有chunk能够分配了怎么办，若是MemCache启动没有追加-M（禁止LRU，这种状况下内存不够会报Out Of Memory错误），那么MemCache会把这个slab中最近最少使用的chunk中的数据清理掉，而后放上最新的数据。针对MemCache的内存分配及回收算法，总结三点：

一、MemCache的内存分配chunk里面会有内存浪费，88字节的value分配在128字节（紧接着大的用）的chunk中，就损失了30字节，可是这也避免了管理内存碎片的问题

二、MemCache的LRU算法不是针对全局的，是针对slab的

三、应该能够理解为何MemCache存放的value大小是限制的，由于一个新数据过来，slab会先以page为单位申请一块内存，申请的内存最多就只有1M，因此value大小天然不能大于1M了

特性和限制

在 Memcached中能够保存的item数据量是没有限制的，只要内存足够 。
　　Memcached单进程在32位系统中最大使用内存为2G，若在64位系统则没有限制,这是因为32位系统限制单进程最多可以使用2G内存,要使用更多内存，能够分多个端口开启多个Memcached进程 ,
　　最大30天的数据过时时间,设置为永久的也会在这个时间过时，常量REALTIME_MAXDELTA
　　60*60*24*30控制
　　最大键长为250字节，大于该长度没法存储，常量KEY_MAX_LENGTH 250控制
　　单个item最大数据是1MB，超过1MB数据不予存储，常量POWER_BLOCK 1048576进行控制，
　　它是默认的slab大小
　　最大同时链接数是200，经过 conn_init()中的freetotal进行控制，最大软链接数是1024，经过
　　settings.maxconns=1024 进行控制
　　跟空间占用相关的参数：settings.factor=1.25, settings.chunk_size=48, 影响slab的数据占用和步进方式
memcached是一种无阻塞的socket通讯方式服务，基于libevent库，因为无阻塞通讯，对内存读写速度很是之快。
　　memcached分服务器端和客户端，能够配置多个服务器端和客户端，应用于分布式的服务很是普遍。
　　memcached做为小规模的数据分布式平台是十分有效果的。
memcached是键值一一对应，key默认最大不能超过128个字 节，value默认大小是1M，也就是一个slabs，若是要存2M的值（连续的），不能用两个slabs，由于两个slabs不是连续的，没法在内存中 存储，故须要修改slabs的大小，多个key和value进行存储时，即便这个slabs没有利用完，那么也不会存放别的数据。
memcached已经能够支持C/C++、Perl、PHP、Python、Ruby、Java、C#、Postgres、Chicken Scheme、Lua、MySQL和Protocol等语言客户端。
 

应用

使用Memcache的网站通常流量都是比较大的，为了缓解 数据库的压力，让Memcache做为一个缓存区域，把部分信息保存在内存中，在前端可以迅速的进行存取。那么通常的焦点就是集中在如何分担 数据库压力和进行分布式，毕竟单台Memcache的内存容量的有限的。

简单安装：

1.分别把memcached和libevent下载回来，放到 /tmp 目录下：

# cd /tmp

# wget http://www.danga.com/memcached/dist/memcached-1.2.0.tar.gz

# wget http://www.monkey.org/~provos/libevent-1.2.tar.gz


2.先安装libevent：

# tar zxvf libevent-1.2.tar.gz

# cd libevent-1.2

# ./configure -prefix=/usr

# make （若是遇到提示gcc 没有安装则先安装gcc)

# make install

3.测试libevent是否安装成功：

# ls -al /usr/lib | grep libevent

lrwxrwxrwx 1 root root 21 11?? 12 17:38 libevent-1.2.so.1 -> libevent-1.2.so.1.0.3

-rwxr-xr-x 1 root root 263546 11?? 12 17:38 libevent-1.2.so.1.0.3

-rw-r-r- 1 root root 454156 11?? 12 17:38 libevent.a

-rwxr-xr-x 1 root root 811 11?? 12 17:38 libevent.la

lrwxrwxrwx 1 root root 21 11?? 12 17:38 libevent.so -> libevent-1.2.so.1.0.3

还不错，都安装上了。

4.安装memcached，同时须要安装中指定libevent的安装位置：

# cd /tmp

# tar zxvf memcached-1.2.0.tar.gz

# cd memcached-1.2.0

# ./configure -with-libevent=/usr

# make

# make install

若是中间出现报错，请仔细检查错误信息，按照错误信息来配置或者增长相应的库或者路径。

安装完成后会把memcached放到 /usr/local/bin/memcached ，

5.测试是否成功安装memcached：

# ls -al /usr/local/bin/mem*

-rwxr-xr-x 1 root root 137986 11?? 12 17:39 /usr/local/bin/memcached

-rwxr-xr-x 1 root root 140179 11?? 12 17:39 /usr/local/bin/memcached-debug

启动memcache服务

 

启动Memcached服务：


1.启动Memcache的服务器端：

# /usr/local/bin/memcached -d -m 8096 -u root -l 192.168.77.105 -p 12000 -c 256 -P /tmp/memcached.pid

-d选项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，我这里是8096MB，

-u是运行Memcache的用户，我这里是root，

-l是监听的服务器IP地址，若是有多个地址的话，我这里指定了服务器的IP地址192.168.77.105，

-p是设置Memcache监听的端口，我这里设置了12000，最好是1024以上的端口，

-c选项是最大运行的并发链接数，默认是1024，我这里设置了256，按照你服务器的负载量来设定，

-P是设置保存Memcache的pid文件，我这里是保存在 /tmp/memcached.pid，


2.若是要结束Memcache进程，执行：

# cat /tmp/memcached.pid 或者 ps -aux | grep memcache   （找到对应的进程id号）

# kill 进程id号

也能够启动多个守护进程，不过端口不能重复。

 memcache 的链接

telnet  ip   port 

注意链接以前须要再memcache服务端把memcache的防火墙规则加上

-A RH-Firewall-1-INPUT -m state --state NEW -m tcp -p tcp --dport 3306 -j ACCEPT 

从新加载防火墙规则

service iptables restart

OK ,如今应该就能够连上memcache了

在客户端输入stats 查看memcache的状态信息



pid              memcache服务器的进程ID

uptime      服务器已经运行的秒数

time           服务器当前的unix时间戳

version     memcache版本

pointer_size         当前操做系统的指针大小（32位系统通常是32bit）

rusage_user          进程的累计用户时间

rusage_system    进程的累计系统时间

curr_items            服务器当前存储的items数量

total_items           从服务器启动之后存储的items总数量

bytes                       当前服务器存储items占用的字节数

curr_connections        当前打开着的链接数

total_connections        从服务器启动之后曾经打开过的链接数

connection_structures          服务器分配的链接构造数

cmd_get get命令          （获取）总请求次数

cmd_set set命令          （保存）总请求次数

get_hits          总命中次数

get_misses        总未命中次数

evictions     为获取空闲内存而删除的items数（分配给memcache的空间用满后须要删除旧的items来获得空间分配给新的items）

bytes_read    读取字节数（请求字节数）

bytes_written     总发送字节数（结果字节数）

limit_maxbytes     分配给memcache的内存大小（字节）

threads         当前线程数

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