redis with python

時間  2021-08-13
標籤 node python git github web redis sql 數據庫 ubuntu promise 欄目 Redis 简体版
原文   原文鏈接

和不少大牛談過，玩python的web框架有一點瓶頸，那就是高併發，可是redis給咱們提供解決高併發，高可用，高性能的弊端。 redis是業界主流的key-value nosql 數據庫。和Memcached相似，它支持存儲的value類型相對更多，包括string(字符串)、list(鏈表)、set(集合)、zset(sorted set --有序集合)和hash（哈希類型）。這些數據類型都支持push/pop、add/remove及取交集並集和差集及更豐富的操做，並且這些操做都是原子性的。在此基礎上，redis支持各類不一樣方式的排序。與memcached同樣，爲了保證效率，數據都是緩存在內存中。區別的是redis會週期性的把更新的數據寫入磁盤或者把修改操做寫入追加的記錄文件，而且在此基礎上實現了master-slave(主從)同步。node

Redis優勢

  • 異常快速 : Redis是很是快的，每秒能夠執行大約110000設置操做，81000個/每秒的讀取操做。python

  • 支持豐富的數據類型 : Redis支持最大多數開發人員已經知道如列表，集合，可排序集合，哈希等數據類型。git

    這使得在應用中很容易解決的各類問題，由於咱們知道哪些問題處理使用哪一種數據類型更好解決。github

  • 操做都是原子的 : 全部 Redis 的操做都是原子，從而確保當兩個客戶同時訪問 Redis 服務器獲得的是更新後的值（最新值）。web

  • MultiUtility工具：Redis是一個多功能實用工具，能夠在不少如：緩存，消息傳遞隊列中使用（Redis原生支持發佈/訂閱），在應用程序中，如：Web應用程序會話，網站頁面點擊數等任何短暫的數據；redis

安裝Redis環境

要在 Ubuntu 上安裝 Redis，打開終端，而後輸入如下命令：sql

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

這將在您的計算機上安裝Redis數據庫

啓動 Redisubuntu

$redis-server

查看 redis 是否還在運行promise

$redis-cli

這將打開一個 Redis 提示符，以下圖所示：

redis 127.0.0.1:6379>

在上面的提示信息中：127.0.0.1 是本機的IP地址，6379是 Redis 服務器運行的端口。如今輸入 PING 命令，以下圖所示：

redis 127.0.0.1:6379> ping
PONG

這說明如今你已經成功地在計算機上安裝了 Redis。

 

Python操做Redis

1

2

3

4

5

6

7

sudo pip install redis

or

sudo easy_install redis

or

源碼安裝

  

詳見：https://github.com/WoLpH/redis-py

　　

在Ubuntu上安裝Redis桌面管理器

要在Ubuntu 上安裝 Redis桌面管理，能夠從 http://redisdesktop.com/download 下載包並安裝它。

Redis 桌面管理器會給你用戶界面來管理 Redis 鍵和數據。

 

 

Redis API使用

redis-py 的API的使用能夠分類爲：

  • 鏈接方式

  • 鏈接池

  • 操做

    • String 操做

    • Hash 操做

    • List 操做

    • Set 操做

    • Sort Set 操做

  • 管道

  • 發佈訂閱

 

鏈接方式

一、操做模式

redis-py提供兩個類Redis和StrictRedis用於實現Redis的命令，StrictRedis用於實現大部分官方的命令，並使用官方的語法和命令，Redis是StrictRedis的子類，用於向後兼容舊版本的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、鏈接池

redis-py使用connection pool來管理對一個redis server的全部鏈接，避免每次創建、釋放鏈接的開銷。默認，每一個Redis實例都會維護一個本身的鏈接池。能夠直接創建一個鏈接池，而後做爲參數Redis，這樣就能夠實現多個Redis實例共享一個鏈接池。

 

操做

 

1. String操做

redis中的String在在內存中按照一個name對應一個value來存儲。如圖：

set(name, value, ex=None, px=None, nx=False, xx=False)

1

2

3

4

5

6

在Redis中設置值，默認，不存在則建立，存在則修改

參數：

     ex，過時時間（秒）

     px，過時時間（毫秒）

     nx，若是設置爲True，則只有name不存在時，當前set操做才執行

     xx，若是設置爲True，則只有name存在時，崗前set操做才執行

setnx(name, value)

1

設置值，只有name不存在時，執行設置操做（添加）

setex(name, value, time)

1

2

3

# 設置值

# 參數：

    # time，過時時間（數字秒 或 timedelta對象）

 

 

psetex(name, time_ms, value)

1

2

3

# 設置值

# 參數：

    # time_ms，過時時間（數字毫秒 或 timedelta對象）

mset(*args, **kwargs)

1

2

3

4

5

批量設置值

如：

    mset(k1='v1', k2='v2')

    或

    mget({'k1': 'v1', 'k2': 'v2'})

get(name)

1

獲取值

mget(keys, *args)

1

2

3

4

5

批量獲取

如：

    mget('ylr', 'wupeiqi')

    或

    r.mget(['ylr', 'wupeiqi'])

getset(name, value)

1

設置新值並獲取原來的值

getrange(key, start, end)

1

2

3

4

5

6

# 獲取子序列（根據字節獲取，非字符）

# 參數：

    # name，Redis 的 name

    # start，起始位置（字節）

    # end，結束位置（字節）

# 如： "武沛齊" ，0-3表示 "武"

setrange(name, offset, value)

1

2

3

4

# 修改字符串內容，從指定字符串索引開始向後替換（新值太長時，則向後添加）

# 參數：

    # offset，字符串的索引，字節（一個漢字三個字節）

    # value，要設置的值

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

# 對name對應值的二進制表示的位進行操做

 

# 參數：

    # name，redis的name

    # offset，位的索引（將值變換成二進制後再進行索引）

    # value，值只能是 1 或 0

 

# 注：若是在Redis中有一個對應： n1 = "foo"，

        那麼字符串foo的二進制表示爲：01100110 01101111 01101111

    因此，若是執行 setbit('n1', 7, 1)，則就會將第7位設置爲1，

        那麼最終二進制則變成 01100111 01101111 01101111，即："goo"

 

# 擴展，轉換二進制表示：

 

    # source = "武沛齊"

    source = "foo"

 

    for i in source:

        num = ord(i)

        print bin(num).replace('b','')

 

    特別的，若是source是漢字 "武沛齊"怎麼辦？

    答：對於utf-8，每個漢字佔 3 個字節，那麼 "武沛齊" 則有 9個字節

       對於漢字，for循環時候會按照 字節 迭代，那麼在迭代時，將每個字節轉換 十進制數，而後再將十進制數轉換成二進制

        11100110 10101101 10100110 11100110 10110010 10011011 11101001 10111101 10010000

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

                    武                         沛                           齊

*用途舉例，用最省空間的方式，存儲在線用戶數及分別是哪些用戶在線

 

getbit(name, offset)

1

# 獲取name對應的值的二進制表示中的某位的值 （0或1）

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

1

2

3

4

5

# 獲取name對應的值的二進制表示中 1 的個數

# 參數：

    # key，Redis的name

    # start，位起始位置

    # end，位結束位置

strlen(name)

1

# 返回name對應值的字節長度（一個漢字3個字節）

incr(self, name, amount=1)

1

2

3

4

5

6

7

# 自增 name對應的值，當name不存在時，則建立name＝amount，不然，則自增。

 

# 參數：

    # name,Redis的name

    # amount,自增數（必須是整數）

 

# 注：同incrby

incrbyfloat(self, name, amount=1.0)

1

2

3

4

5

# 自增 name對應的值，當name不存在時，則建立name＝amount，不然，則自增。

 

# 參數：

    # name,Redis的name

    # amount,自增數（浮點型）

decr(self, name, amount=1)

1

2

3

4

5

# 自減 name對應的值，當name不存在時，則建立name＝amount，不然，則自減。

 

# 參數：

    # name,Redis的name

    # amount,自減數（整數）

append(key, value)

1

2

3

4

5

# 在redis name對應的值後面追加內容

 

# 參數：

    key, redis的name

    value, 要追加的字符串

　　

2. Hash操做

hash表現形式上有些像pyhton中的dict,能夠存儲一組關聯性較強的數據 ， redis中Hash在內存中的存儲格式以下圖：　　

 

hset(name, key, value)

1

2

3

4

5

6

7

8

9

# name對應的hash中設置一個鍵值對（不存在，則建立；不然，修改）

 

# 參數：

    # name，redis的name

    # key，name對應的hash中的key

    # value，name對應的hash中的value

 

# 注：

    # hsetnx(name, key, value),當name對應的hash中不存在當前key時則建立（至關於添加）

hmset(name, mapping)

1

2

3

4

5

6

7

8

# 在name對應的hash中批量設置鍵值對

 

# 參數：

    # 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對應的hash中獲取根據key獲取value

hmget(name, keys, *args)

1

2

3

4

5

6

7

8

9

10

11

# 在name對應的hash中獲取多個key的值

 

# 參數：

    # name，reids對應的name

    # keys，要獲取key集合，如：['k1', 'k2', 'k3']

    # *args，要獲取的key，如：k1,k2,k3

 

# 如：

    # r.mget('xx', ['k1', 'k2'])

    # 或

    # print r.hmget('xx', 'k1', 'k2')

hgetall(name)

1

獲取name對應hash的全部鍵值

hlen(name)

1

# 獲取name對應的hash中鍵值對的個數

hkeys(name)

1

# 獲取name對應的hash中全部的key的值

hvals(name)

1

# 獲取name對應的hash中全部的value的值

hexists(name, key)

1

# 檢查name對應的hash是否存在當前傳入的key

hdel(name,*keys)

1

# 將name對應的hash中指定key的鍵值對刪除

hincrby(name, key, amount=1)

1

2

3

4

5

# 自增name對應的hash中的指定key的值，不存在則建立key=amount

# 參數：

    # name，redis中的name

    # key， hash對應的key

    # amount，自增數（整數）

hincrbyfloat(name, key, amount=1.0)

1

2

3

4

5

6

7

8

# 自增name對應的hash中的指定key的值，不存在則建立key=amount

 

# 參數：

    # name，redis中的name

    # key， hash對應的key

    # amount，自增數（浮點數）

 

# 自增name對應的hash中的指定key的值，不存在則建立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

# 增量式迭代獲取，對於數據大的數據很是有用，hscan能夠實現分片的獲取數據，並不是一次性將數據所有獲取完，從而放置內存被撐爆

 

# 參數：

    # name，redis的name

    # cursor，遊標（基於遊標分批取獲取數據）

    # match，匹配指定key，默認None 表示全部的key

    # count，每次分片最少獲取個數，默認None表示採用Redis的默認分片個數

 

# 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的值爲0時，表示數據已經經過分片獲取完畢

 

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

1

2

3

4

5

6

7

8

9

# 利用yield封裝hscan建立生成器，實現分批去redis中獲取數據

  

# 參數：

    # match，匹配指定key，默認None 表示全部的key

    # count，每次分片最少獲取個數，默認None表示採用Redis的默認分片個數

  

# 如：

    # for item in r.hscan_iter('xx'):

    #     print item

 

3. list

List操做，redis中的List在在內存中按照一個name對應一個List來存儲。如圖：　　

lpush(name,values)

1

2

3

4

5

6

7

8

# 在name對應的list中添加元素，每一個新的元素都添加到列表的最左邊

 

# 如：

    # r.lpush('oo', 11,22,33)

    # 保存順序爲: 33,22,11

 

# 擴展：

    # rpush(name, values) 表示從右向左操做

lpushx(name,value)

1

2

3

4

# 在name對應的list中添加元素，只有name已經存在時，值添加到列表的最左邊

 

# 更多：

    # rpushx(name, value) 表示從右向左操做

llen(name)

1

# name對應的list元素的個數

linsert(name, where, refvalue, value))

1

2

3

4

5

6

7

# 在name對應的列表的某一個值前或後插入一個新值

 

# 參數：

    # name，redis的name

    # where，BEFORE或AFTER

    # refvalue，標杆值，即：在它先後插入數據

    # value，要插入的數據

r.lset(name, index, value)

1

2

3

4

5

6

# 對name對應的list中的某一個索引位置從新賦值

 

# 參數：

    # name，redis的name

    # index，list的索引位置

    # value，要設置的值

r.lrem(name, value, num)

1

2

3

4

5

6

7

8

# 在name對應的list中刪除指定的值

 

# 參數：

    # name，redis的name

    # value，要刪除的值

    # num，  num=0，刪除列表中全部的指定值；

           # num=2,從前到後，刪除2個；

           # num=-2,從後向前，刪除2個

lpop(name)

1

2

3

4

# 在name對應的列表的左側獲取第一個元素並在列表中移除，返回值則是第一個元素

 

# 更多：

    # rpop(name) 表示從右向左操做

lindex(name, index)

1

在name對應的列表中根據索引獲取列表元素

lrange(name, start, end)

1

2

3

4

5

# 在name對應的列表分片獲取數據

# 參數：

    # name，redis的name

    # start，索引的起始位置

    # end，索引結束位置

ltrim(name, start, end)

1

2

3

4

5

# 在name對應的列表中移除沒有在start-end索引之間的值

# 參數：

    # name，redis的name

    # start，索引的起始位置

    # end，索引結束位置

rpoplpush(src, dst)

1

2

3

4

# 從一個列表取出最右邊的元素，同時將其添加至另外一個列表的最左邊

# 參數：

    # src，要取數據的列表的name

    # dst，要添加數據的列表的name

blpop(keys, timeout)

1

2

3

4

5

6

7

8

# 將多個列表排列，按照從左到右去pop對應列表的元素

 

# 參數：

    # keys，redis的name的集合

    # timeout，超時時間，當元素全部列表的元素獲取完以後，阻塞等待列表內有數據的時間（秒）, 0 表示永遠阻塞

 

# 更多：

    # r.brpop(keys, timeout)，從右向左獲取數據

brpoplpush(src, dst, timeout=0)

1

2

3

4

5

6

# 從一個列表的右側移除一個元素並將其添加到另外一個列表的左側

 

# 參數：

    # src，取出並要移除元素的列表對應的name

    # dst，要插入元素的列表對應的name

    # timeout，當src對應的列表中沒有數據時，阻塞等待其有數據的超時時間（秒），0 表示永遠阻塞

 

4.set集合操做

Set操做，Set集合就是不容許重複的列表

sadd(name,values)

1

# name對應的集合中添加元素

scard(name)

1

獲取name對應的集合中元素個數

sdiff(keys, *args)

1

在第一個name對應的集合中且不在其餘name對應的集合的元素集合

sdiffstore(dest, keys, *args)

1

# 獲取第一個name對應的集合中且不在其餘name對應的集合，再將其新加入到dest對應的集合中

sinter(keys, *args)

1

# 獲取多一個name對應集合的並集

sinterstore(dest, keys, *args)

1

# 獲取多一個name對應集合的並集，再講其加入到dest對應的集合中

sismember(name, value)

1

# 檢查value是不是name對應的集合的成員

smembers(name)

1

# 獲取name對應的集合的全部成員

smove(src, dst, value)

1

# 將某個成員從一個集合中移動到另一個集合

spop(name)

1

# 從集合的右側（尾部）移除一個成員，並將其返回

srandmember(name, numbers)

1

# 從name對應的集合中隨機獲取 numbers 個元素

srem(name, values)

1

# 在name對應的集合中刪除某些值

sunion(keys, *args)

1

# 獲取多一個name對應的集合的並集

sunionstore(dest,keys, *args)

1

# 獲取多一個name對應的集合的並集，並將結果保存到dest對應的集合中

sscan(name, cursor=0, match=None, count=None)
sscan_iter(name, match=None, count=None)

1

# 同字符串的操做，用於增量迭代分批獲取元素，避免內存消耗太大

 

有序集合，在集合的基礎上，爲每元素排序；元素的排序須要根據另一個值來進行比較，因此，對於有序集合，每個元素有兩個值，即：值和分數，分數專門用來作排序。

zadd(name, *args, **kwargs)

1

2

3

4

5

# 在name對應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

# 獲取name對應的有序集合元素的數量

zcount(name, min, max)

1

# 獲取name對應的有序集合中分數 在 [min,max] 之間的個數

zincrby(name, value, amount)

1

# 自增name對應的有序集合的 name 對應的分數

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

# 按照索引範圍獲取name對應的有序集合的元素

 

# 參數：

    # name，redis的name

    # start，有序集合索引發始位置（非分數）

    # end，有序集合索引結束位置（非分數）

    # desc，排序規則，默認按照分數從小到大排序

    # withscores，是否獲取元素的分數，默認只獲取元素的值

    # score_cast_func，對分數進行數據轉換的函數

 

# 更多：

    # 從大到小排序

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

 

    # 按照分數範圍獲取name對應的有序集合的元素

    # zrangebyscore(name, min, max, start=None, num=None, withscores=False, score_cast_func=float)

    # 從大到小排序

    # zrevrangebyscore(name, max, min, start=None, num=None, withscores=False, score_cast_func=float)

zrank(name, value)

1

2

3

4

# 獲取某個值在 name對應的有序集合中的排行（從 0 開始）

 

# 更多：

    # zrevrank(name, value)，從大到小排序

 

zrem(name, values)

1

2

3

# 刪除name對應的有序集合中值是values的成員

 

# 如：zrem('zz', ['s1', 's2'])

zremrangebyrank(name, min, max)

1

# 根據排行範圍刪除

zremrangebyscore(name, min, max)

1

# 根據分數範圍刪除

 

zscore(name, value)

1

# 獲取name對應有序集合中 value 對應的分數

zinterstore(dest, keys, aggregate=None)

1

2

# 獲取兩個有序集合的交集，若是遇到相同值不一樣分數，則按照aggregate進行操做

# aggregate的值爲:  SUM  MIN  MAX

zunionstore(dest, keys, aggregate=None)

1

2

# 獲取兩個有序集合的並集，若是遇到相同值不一樣分數，則按照aggregate進行操做

# aggregate的值爲:  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

# 同字符串類似，相較於字符串新增score_cast_func，用來對分數進行操做

 

 

其餘經常使用操做

delete(*names)

1

# 根據刪除redis中的任意數據類型

exists(name)

1

# 檢測redis的name是否存在

keys(pattern='*')

1

2

3

4

5

6

7

# 根據模型獲取redis的name

 

# 更多：

    # KEYS * 匹配數據庫中全部 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

# 爲某個redis的某個name設置超時時間

rename(src, dst)

1

# 對redis的name重命名爲

move(name, db))

1

# 將redis的某個值移動到指定的db下

randomkey()

1

# 隨機獲取一個redis的name（不刪除）

type(name)

1

# 獲取name對應值的類型

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

1

# 同字符串操做，用於增量迭代獲取key

 

 

管道

redis-py默認在執行每次請求都會建立（鏈接池申請鏈接）和斷開（歸還鏈接池）一次鏈接操做，若是想要在一次請求中指定多個命令，則可使用pipline實現一次請求指定多個命令，而且默認狀況下一次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()

 

 

發佈訂閱

發佈者：服務器

訂閱者：Dashboad和數據處理

Demo以下：

訂閱者：

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

發佈者：

1

2

3

4

5

6

7

#!/usr/bin/env python

# -*- coding:utf-8 -*-

 

from monitor.RedisHelper import RedisHelper

 

obj = RedisHelper()

obj.public('hello')

 

 

更多參見：https://github.com/andymccurdy/redis-py/

http://doc.redisfans.com/

 

何時用關係型數據庫，何時 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 

 

 

附贈redis性能測試

　　準備環境：

　　由於找不到可用的1000M網絡機器，使用一根直通線將兩臺筆記本連起來組成1000M Ethernet網。沒錯，是直通線如今網卡都能自適應交叉線、直通線，速度不受影響，用了一段時間機器也沒出問題。

　　服務端：T420 i5-2520M（2.5G）/8G ubuntu 11.10

　　客戶端：Acer i5-2430M（2.4G）/4G mint 11

　　redis版本：2.6.9

　　測試腳本：./redis-benchmark -h xx -p xx -t set -q -r 1000 -l -d 20

　　

長度 速度/sec 帶寬(MByte/s) 發送+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以上時，1000M網卡輕鬆的被跑慢，並且redis-server cpu連一個核心都沒佔用到，可見redis高效，redis的服務也不須要過高配置，瓶頸在網卡速度。

　　整理看redis的us都在20%左右，用戶層代碼資源佔用比例都很小。


redis

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



pipe = r.pipeline(=)

pipe.set(, )
pipe.set(, )

pipe.execute()

(r.get())
相關文章
相關標籤/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。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 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