RabbitMQ

RabbitMQ是一个在AMQP基础上完整的，可复用的企业消息系统。

MQ全称Message Queue，消息队列（MQ）是一种应用程序对应用程序的通信方式。应用程序通过读写出入队列的消息（针对应用程序的数据）来通信，而无需专用连接来链接它们。消息传递指的是程序之间通过在消息中发送数据进行通信，而不是通过直接调用彼此来通信，直接调用通常是用于诸如远程过程调用的技术。排队指的是应用程序通过队列来通信。队列的使用除去了接收和发送应用程序同时执行的要求。

安装python RabbitMQ 模块

pip install pika

or

easy_install pika

实现一一个简单的队列通信

send端：

import pika

#与RabbitMQ server建立连接

connection = pika.BlockingConnection(pika.ConnectionParameters(

               'localhost')) #服务器地址

channel = connection.channel()

#声明queue队列以向其发送消息信息，queue=’hello’ 指定队列名字

channel.queue_declare(queue='hello')

#message不能直接发送给queue，需要exchange到达queue，此处使用以空字符串的默认的exchage

#使用默认exchange时允许荣光routing_key明确指定message被发送给哪个queue

#body参数指定了要发送的message内存

channel.basic_publish(exchange='',

                      routing_key='hello',

                      body='Hello World!')

print(" [x] Sent 'Hello World!'")

#关闭与RabbitMQ server间的连接

connection.close()

receive端：

import pika

#建立到达RabbitMQ server的连接

#这里RabbitMQ 位于本机 localhost

connection = pika.BlockingConnection(pika.ConnectionParameters(

               'localhost'))

channel = connection.channel()

#声明queue，确认要从中接收message的queue

# queue_declare 函数 可以运行多次，但只会创建一次

#若可以确认queue是已经存在的，则这里可以省略，但是要习惯这里重新声明

channel.queue_declare(queue='hello')

# 定义回调函数

#一旦从queue中接收到一个消息回调函数将被调用

def callback(ch, method, properties, body):

    print(" [x] Received %r" % body)

# 从queue接收消息的设置

#包括重哪个queue接收消息，用于处理消息的callback，是否要确认消息

#默认情况下要对消息进行确认，以防消息丢失

#此处 no_ack=True ，不对消息进行确认

channel.basic_consume(callback,

                      queue='hello',

                      no_ack=True)

print(' [*] Waiting for messages. To exit press CTRL+C')

# 开始循环从queue中接收消息，并使用回调函数进行处理

channel.start_consuming()

Work Queues

在这种模式下，RabbitMQ会默认把p发的消息依次分发给各个消费者（C），有点类似轮询

P端代码：

import pika

connection = pika.BlockingConnection(pika.ConnectionParameters(

               'localhost'))

channel = connection.channel()

#声明queue

channel.queue_declare(queue='task_queue')

import sys

# 从命令行构造将要发送的消息

message = ' '.join(sys.argv[1:]) or "Hello World!"

#除了要声明queue是持久化的外，还要生命消息是持久化的

#basic_publish的properties参数指定的消息属性

#此处pika.BasicProperties中的delivery_mode = 2 指明消息为持久化

channel.basic_publish(exchange='',

                      routing_key='task_queue',

                      body=message,

                      properties=pika.BasicProperties(

                      delivery_mode = 2,

                      ))

print(" [x] Sent %r" % message)

connection.close()

C端代码：

import pika,time

#默认情况RabbitMQ 将消息以round-robin方式发送给下一个consumer

#每个consumer接收到的平均 消息量是一样的

connection = pika.BlockingConnection(pika.ConnectionParameters(

               'localhost'))

channel = connection.channel()

def callback(ch, method, properties, body):

    print(" [x] Received %r" % body)

    time.sleep(body.count(b'.'))

    print(" [x] Done")

    ch.basic_ack(delivery_tag = method.delivery_tag)

channel.basic_consume(callback,

                      queue='task_queue',

                      )

print(' [*] Waiting for messages. To exit press CTRL+C')

channel.start_consuming()

消息持久化

在声明Queue时使用queue_declare，添加durable=True，代表着消息被持久化了，就是RabbitMQ重启后queue仍然存在

#仅仅对message进行确认不能保证消息，不丢失，比如RabbitMQ 崩溃了queue就会丢失

channel.queue_declare(queue='hello', durable=True)

消息公平分发

类似负载均衡

如果Rabbit按顺序把消息发送到各个消费者，不考虑负载情况的话，有可能出现配置不高的消费者堆积了很多消息处理不完，配置高的消费着一直清闲。为了解决这个问题，可以再过各个消费者端，配置 perfetch=1，意思就是告诉RabbitMQ在这个消费者还没有处理完之前不再接收新的消息。

channel.basic_qos(prefetch_count=1)

带消息持久化和公平分发的完整代码

生产者：

import pika

import sys

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.queue_declare(queue='task_queue', durable=True)

message = ' '.join(sys.argv[1:]) or "Hello World!"

channel.basic_publish(exchange='',

                      routing_key='task_queue',

                      body=message,

                      properties=pika.BasicProperties(

                         delivery_mode = 2, # make message persistent

                      ))

print(" [x] Sent %r" % message)

connection.close()

消费者：

import pika

import time

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.queue_declare(queue='task_queue', durable=True)

print(' [*] Waiting for messages. To exit press CTRL+C')

def callback(ch, method, properties, body):

    print(" [x] Received %r" % body)

    time.sleep(body.count(b'.'))

    print(" [x] Done")

    ch.basic_ack(delivery_tag = method.delivery_tag)

channel.basic_qos(prefetch_count=1)

channel.basic_consume(callback,

                      queue='task_queue')

channel.start_consuming()

Publish、Subscribe（消息发布，订阅）

之前的例子都是1对1的消息发送和接收，即消息只能发送到指定的queue里，但有时候想让queue有类似广播的效果，这时候就要用到exchange。

exchange在定义的时候是有类型的，以决定到底是哪些queue符合条件，可以接收消息

fanout：所有bind到exchange的queue都可以接收到消息

direct：通过routingKey和exchange 决定的那个唯一的queue可以接收消息

topic：所有符合routingKey（此时可以是一个表达）的bind的queue可以接收消息

表达式符号说明：#代表一个或多个字符，* 代表任何字符

使用RoutingKey为#，Exchange Type为topic的时候相当于使用fanout

headers：通过headers来决定把消息发给哪些queue

例子：

消息Publisher：

import pika

import sys

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.exchange_declare(exchange='logs',

                         type='fanout')

message = ' '.join(sys.argv[1:]) or "info: Hello World!"

channel.basic_publish(exchange='logs',

                      routing_key='',

                      body=message)

print(" [x] Sent %r" % message)

connection.close()

消费Subscriber：

import pika

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.exchange_declare(exchange='logs',

                         type='fanout')

result = channel.queue_declare(exclusive=True) #不指定queue名字,rabbit会随机分配一个名字,exclusive=True会在使用此queue的消费者断开后,自动将queue删除

queue_name = result.method.queue

channel.queue_bind(exchange='logs',

                   queue=queue_name)

print(' [*] Waiting for logs. To exit press CTRL+C')

def callback(ch, method, properties, body):

    print(" [x] %r" % body)

channel.basic_consume(callback,

                      queue=queue_name,

                      no_ack=True)

channel.start_consuming()

有选择的接收消息（exchange type=direct）

RabbitMQ还支持根据关键字发送，即：队列绑定关键字，发送者将数据根据关键字发送到消息exchange，exchange根据关键字判断应该将数据发送至指定队列。

publisher：

import pika

import sys

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.exchange_declare(exchange='direct_logs',

                         type='direct')

severity = sys.argv[1] if len(sys.argv) > 1 else 'info'

message = ' '.join(sys.argv[2:]) or 'Hello World!'

channel.basic_publish(exchange='direct_logs',

                      routing_key=severity,

                      body=message)

print(" [x] Sent %r:%r" % (severity, message))

connection.close()

Subscriber：

import pika

import sys

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.exchange_declare(exchange='direct_logs',

                         type='direct')

result = channel.queue_declare(exclusive=True)

queue_name = result.method.queue

severities = sys.argv[1:]

if not severities:

    sys.stderr.write("Usage: %s [info] [warning] [error]\n" % sys.argv[0])

    sys.exit(1)

for severity in severities:

    channel.queue_bind(exchange='direct_logs',

                       queue=queue_name,

                       routing_key=severity)

print(' [*] Waiting for logs. To exit press CTRL+C')

def callback(ch, method, properties, body):

    print(" [x] %r:%r" % (method.routing_key, body))

 channel.basic_consume(callback,

                      queue=queue_name,

                      no_ack=True)

channel.start_consuming()

### no_ack=False，如果生产者遇到情况挂掉，那么RabbitMQ会重新将该任务添加到队列中。

更细致的消息过滤

pubisher

import pika

import sys

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.exchange_declare(exchange='topic_logs',

                         type='topic')

routing_key = sys.argv[1] if len(sys.argv) > 1 else 'anonymous.info'

message = ' '.join(sys.argv[2:]) or 'Hello World!'

channel.basic_publish(exchange='topic_logs',

                      routing_key=routing_key,

                      body=message)

print(" [x] Sent %r:%r" % (routing_key, message))

connection.close()

Subscriber

import pika

import sys

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.exchange_declare(exchange='topic_logs',

                         type='topic')

result = channel.queue_declare(exclusive=True)

queue_name = result.method.queue

binding_keys = sys.argv[1:]

if not binding_keys:

    sys.stderr.write("Usage: %s [binding_key]...\n" % sys.argv[0])

    sys.exit(1)

for binding_key in binding_keys:

    channel.queue_bind(exchange='topic_logs',

                       queue=queue_name,

                       routing_key=binding_key)

print(' [*] Waiting for logs. To exit press CTRL+C')

def callback(ch, method, properties, body):

    print(" [x] %r:%r" % (method.routing_key, body))

channel.basic_consume(callback,

                      queue=queue_name,

                      no_ack=True)

channel.start_consuming()

Remote procedure call（RPC）

fibonacci_rpc = FibonacciRpcClient()

result = fibonacci_rpc.call(4)

print("fib(4) is %r" % result)

RPC server

import pika

import time

connection = pika.BlockingConnection(pika.ConnectionParameters(

        host='localhost'))

channel = connection.channel()

channel.queue_declare(queue='rpc_queue')

def fib(n):

    if n == 0:

        return 0

    elif n == 1:

        return 1

    else:

        return fib(n-1) + fib(n-2)

# 回调函数，从queue接收到消息后调用该函数进行处理

def on_request(ch, method, props, body):

    n = int(body)

    print(" [.] fib(%s)" % n)

    response = fib(n)

    # exchange 为空字符串则将消息发送给routing_key指定的queue

    # 这里queue为回调函数参数的props中reply_ro指定的queue

    # 要发送的消息为计算所地的背波那契数

    # properties 中 correlation_id 只定为回调函数参数props中的的correlation_id

    # 最后对消息进行确认

    ch.basic_publish(exchange='',

                     routing_key=props.reply_to,

                     properties=pika.BasicProperties(correlation_id = \

                                                         props.correlation_id),

                     body=str(response))

    ch.basic_ack(delivery_tag = method.delivery_tag)

# 只有consumer已经处理并确认了上一条消息时queue才会派发新的消息

channel.basic_qos(prefetch_count=1)

# 设置consumeer参数，即从哪个queue获取消息使用哪个函数进行处理，是否对消息进行确认

channel.basic_consume(on_request, queue='rpc_queue')

print(" [x] Awaiting RPC requests")

# 开始接收并处理消息

channel.start_consuming()

RPC client

import pika

import uuid

# 在一个类中封装了connection建立，queue声明，consumer配置，回调函数等

class FibonacciRpcClient(object):

    def __init__(self):

        # 建立到RabbitMQ的connection

        self.connection = pika.BlockingConnection(pika.ConnectionParameters(

                host='localhost'))

        self.channel = self.connection.channel()

        # 声明一个临时的回调队列

        result = self.channel.queue_declare(exclusive=True)

        self.callback_queue = result.method.queue

        #此处clinet既是producer又是consumer，因此要配置consumer参数

        # 这里的指明从client自己创建的临时队列中接收消息

        # 并使用on_response函数处理消息

        #不对消息进行确认

        self.channel.basic_consume(self.on_response, no_ack=True,

                                   queue=self.callback_queue)

    # 定义回调函数

    # 比较类的corr_id属性与props中corr_id属性的值

    # 若相同则response属性为接收到的消息

    def on_response(self, ch, method, props, body):

        if self.corr_id == props.correlation_id:

            self.response = body

    def call(self, n):

        # 初始化response 和corr_id属性

        self.response = None

        self.corr_id = str(uuid.uuid4())

        # 使用默认exchange向server中定义的rpc_queue发送消息

        # 在properties中指定replay_to属性和correlation_id属性用于告知远程server

        # correlation_id属性用于匹配 request和response

        self.channel.basic_publish(exchange='',

                                   routing_key='rpc_queue',

                                   properties=pika.BasicProperties(

                                         reply_to = self.callback_queue,

                                         correlation_id = self.corr_id,

                                         ),

                                   # 消息需要为字符串

                                   body=str(n))

        while self.response is None:

            self.connection.process_data_events()

        return int(self.response)

# 生成类的实例

fibonacci_rpc = FibonacciRpcClient()

print(" [x] Requesting fib(30)")

# 调用实例的call方法

response = fibonacci_rpc.call(30)

print(" [.] Got %r" % response)

Memcached

memcached是一个高性能的分布式内存对象缓存系统，用于动态web应用以减轻数据库负载。它通过在内存中缓存数据和对象来减少读取数据库的次数，从而提高动态，数据库驱动网站的速度。

memcached基于一个存储键值对的hashmap。其守护进程（demeon）是用C写的，但是客户端可以用任何语言来编写，并通过memcached协议与守护进程通信。

安装省略

启动memcached

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

memcached命令：

存储命令: set/add/replace/append/prepend/cas

获取命令: get/gets

其他命令: delete/stats..

第一次操作

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True) #debug=True 表示运行出现错误时，显示错误信息，上线后移除该参数

mc.set("foo", "bar")

ret = mc.get('foo')

print(ret)

天生支持集群

python-memcached模块原生支持集群操作，其原理是在内存维护一个i额主机列表，且集群中主机的权重值和主机在列表中重复出现的次数成正比。

如果用户在内存中创建一个键值对（如：k1 = ‘v1’），那么要执行以下步鄹：

根据算法将k1转换成一个数字
将数字和主机长度求余数，得到一个值N（0 <= N < 列表长度）
在主机列表中根据第2步得到的值为索引获取主机，例如host_list[N]
连接将第3步中获取的主机，将 k1 = ‘v1’放置在该服务器的内存中

代码实现如下：

mc = memcache.Client([('1.1.1.1:12000', 1), ('1.1.1.2:12000', 2), ('1.1.1.3:12000', 1)], debug=True)

mc.set('k1', 'v1')

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

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True)

mc.add('k1', 'v1')

# mc.add('k1', 'v2') # 报错，对已经存在的key重复添加，失败！！！

replace

replace修改某个key的值，如果key不存在，则异常

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True)

# 如果memcache中存在kkkk，则替换成功，否则异常

mc.replace('kkkk','999')

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

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True)

mc.set('key0', 'wupeiqi')

mc.set_multi({'key1': 'val1', 'key2': 'val2'})

delete 和 delete_multi

delete 删除指定的一个键值对

delete_multi 删除指定的多个键值对

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True)

mc.delete('key0')

mc.delete_multi(['key1', 'key2'])

get 和 get_multi

get 获取一个键值对

get_multi 获取多个键值对

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True)

val = mc.get('key0')

item_dict = mc.get_multi(["key1", "key2", "key3"])

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

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True)

# k1 = "v1"

mc.append('k1', 'after')

# k1 = "v1after"

mc.prepend('k1', 'before')

# k1 = "beforev1after"

decr 和 incr

incr 自增，将某一个值增加N（默认为1）

decr 自减

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True)

mc.set('k1', '777')

mc.incr('k1')

# k1 = 778

mc.incr('k1', 10)

# k1 = 788

mc.decr('k1')

# k1 = 787

mc.decr('k1', 10)

# k1 = 777

gets 和 cas

如果商城剩余个数，假设count = 900

A用户刷新页面得到的的count = 900

B用户刷新页面得到的的count = 900

如果A，B都购买商品则缓存中的结构都是count = 899，但是实际不是这样

为了避免这样的情况发生，需要用到gets 和cas

import memcache

mc = memcache.Client(['10.211.55.4:12000'], debug=True, cache_cas=True)

v = mc.gets('product_count')

# ...

# 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")

ps：本质上每次执行gets时，会从memcached中获取一个自增的数字，通过cas去修改gets的值时，会携带之前获取的自增值和memcache中的自增值进行比较，如果相等，则额可以提交，如果不相等，那么表示gets和cas执行之间，又有其他人执行了gets（获取了缓冲的指定值），可能出现非正常数据，则不允许修改。

Redis

redis是一个key-value存储系统，和memcache类似，它支持的Value类型相对更多，包括字符串，列表，set（集合），zset（有序集合），hash。这些数据类型都支持push，pop，add，remove及取交集并集差集及更丰富的操作。在此基础上，redis支持各种不同方式的排序。与memcache一样，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写入追加的记录文件，并且在此基础上实现了主从同步。每个redis有16个库，用户自己无法创建，默认使用第一个库（db = 0）。

操作模式

redis-py提供了两类redis和strictedis用于实现redis的命令，stricttedis用于实习大部分官方命令，并使用官方的语法和命令，reids是stricttedis的子类，用于向后兼容旧版本的redis-py

import redis

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

r.set('foo', 'Bar')

print(r.get('foo'))

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，然后为参数reids，这样就可以实现多个redis实例共享一个连接池。

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'))

操作：

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)

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)

批量获取

如：

    mget('ylr', 'abc')

    或

    r.mget(['ylr', 'abc'])

getset(name,value)

# 设置新值并获取原来的值

getrange(key,start,end)

# 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： "我是谁" ，0-3表示 "我"

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（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)

# 对name对应值的二进制表示的位进行操作

# 因为值在redis里面是以字符形式存在的，所以这里在操作数字的时候，这里数字需要先找到对应的ASCII的值，把这个ASCII十进制数转换为二进制数，再进行操作

# 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 = "foo"

    for i in source:

        num = ord(i)

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

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)

# 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,amout=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,amout =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

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,*agrs)

# 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)

# 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,refvale,value)

# 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)

# 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,vale,num)

# 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)

# 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)

# 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)

# 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)

# 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)

# 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)

# 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

# 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

sranmember(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，分数用来做排序

zadd(name,*args,**kwargs)

# 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)

# 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)

# 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)

# 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)

# 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

zermrangebylex(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,conut=None,socre_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

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

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。

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()

发布订阅

例子：

monitor 代码：

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：

from monitor.RedisHelper import RedisHelper

obj = RedisHelper()

redis_sub = obj.subscribe()

while True:

    msg= redis_sub.parse_response()

    print(msg)

发表者：

from monitor.RedisHelper import RedisHelper

obj = RedisHelper()

obj.public('hello')

巴特西

RabbitMQ队列，Redis\Memcached缓存