网络编程-Redis缓存

缓存

RabbitMQ：实现的是不同程序之间的数据传递（一对一，一对多广播模式），它是中间代理商。

Redis缓存：实现不同应用程序之间的内存共享，它也是一个中间代理商。用的key-value机制。

NoSQL(NoSQL = Not Only SQL )，意即“不仅仅是SQL”，泛指非关系型的数据库，Redis就是其4大分类之一：键值(Key-Value)存储数据库。

Redis优点

• 异常快速 : Redis是非常快的，每秒可以执行大约110000设置操作，81000个/每秒的读取操作。

• 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。

  这使得在应用中很容易解决的各种问题，因为我们知道哪些问题处理使用哪种数据类型更好解决。

• 操作都是原子的 : 所有 Redis 的操作都是原子，从而确保当两个客户同时访问 Redis 服务器得到的是更新后的值（最新值）。

• MultiUtility工具：Redis是一个多功能实用工具，可以在很多如：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；

安装Redis环境

Ubuntu下安装方式1：

要在 Ubuntu 上安装 Redis(移步：https://redis.io/download)，打开终端，然后输入以下命令：

$sudo apt-get update
$sudo apt-get install redis-server　　或者：sudo apt install redis-server
sudo apt autoremove　　卸载
sudo apt-get purge --auto-remove redis-server 卸载（仅适合apt-get方式的安装法）参考https://blog.csdn.net/isea533/article/details/84550237

这将在您的计算机上安装Redis

哎，发现安装后找不到路径，建议在指定目录下安装。

启动 Redis

$redis-server

查看 redis 是否还在运行

$redis-cli

这将打开一个 Redis 提示符，如下图所示：

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。现在输入 PING 命令，如下图所示：

redis 127.0.0.1:6379> ping
PONG

这说明现在你已经成功地在计算机上安装了 Redis。

Ubuntu下安装方式2：

$ wget http://download.redis.io/releases/redis-5.0.5.tar.gz
$ tar xzf redis-5.0.5.tar.gz
$ cd redis-5.0.5
$ make

Windows下安装方法:请移步===>Windos下安装redis详细步骤

Pycharm程序无法链接虚拟机redis(ping不通)，怎么办？

1、备份redis.conf 到 /etc/redis/redis.conf (windows不用)

2、修改配置文件内容：注释 127.0.0.1

3、因为make编译是在redis-5.0.5目录下的src，所以需要在redis-5.0.5/src目录下启动服务；

4、redis-server　　启动服务

5、redis-cli 连接ssh客户端，连上redis缓存

但如果在redis-5.0.5目录下时怎么启动服务呢？

4-1、src/redis-server　　启动服务

5-1、src/redis-cli 连接ssh客户端，连上redis缓存

补充：

查看redis进程号： ps -e|grep redis  sudo kill -9 进程号pid 不保存数据  redis-cli shutdown 自动保存数据 

Python操作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，可以从 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。

Windows远程连接Ubuntu虚拟机

Ubuntu虚拟机远程连接Windows

Windows自己连接自己 Ubuntu自己连接自己

连接远程数据库的命令：(sudo) redis-cli -h ip地址(登录远程主机的ip) -p redis配置文件的端口号(非Xshell端口号) 

如果使用默认端口号，没有修改过，就可以不写。

python操作redis，就必须安装redis模块

Redis API使用

redis-py 的API的使用可以分类为：

• 连接方式
• 连接池
• 操作管道
  • String 操作：即key-value操作
  • Hash 操作
  • List 操作
  • Set 操作
  • Sort Set 操作
• 发布订阅

redis的基本命令操作：

set name uson：设置存值（可以不是字符串‘’形式）

keys *：读取所有的key（有集合，有列表，有哈希的key....）

flushall：清空key　　flushdb命令也可以清空数据库

get name：获取value

set name jack ex 2：表示只存2秒

自己：del：删除指定key（可以是集合，列表......）

连接方式：

1、基本操作

python连接远程redis缓存的最基本方式。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，用于向后兼容旧版本的redis-py。

#!/usr/bin/env python
# Author:uson
# -*- coding:utf-8 -*-
import redis

# r = redis.Redis(('192.168.1.3', 22))  #X
# r = redis.Redis(host='192.168.161.130', port=6379) #虚拟机Ubuntu下的物理地址无法获取
r = redis.Redis(host='127.0.0.1', port=6379) #本地连接windows
# r = redis.Redis(host='192.168.1.2', port=6379) #远程连接windows
# r.set('name_cohui', 'akaedu')
# print(r.get('name_cohui'))
print(r.keys('*'))
'''
windows配置如下：
cd d:
cd D:\Program Files\Redis-x64-3.2.100>
安装命令：.\redis-server.exe --service-install redis.windows.conf --loglevel verbose
启动服务命令：.\redis-server.exe  --service-start
关闭服务命令：.\redis-server.exe  --service-stop
连接：.\redis-cli.exe -h 127.0.0.1 -p 6379（默认本地，可以不写）
     .\redis-cli  (常用)
管理员身份开启两个窗口：服务器和命令端
修改redis.windows.conf两个参数：
1）#bind 127.0.0.1
2) 改成protected-mode no
'''

2、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。可以直接建立一个连接池，然后作为参数Redis，这样就可以实现多个Redis实例共享一个连接池。

#!/usr/bin/env python
# Author:uson
# -*- coding:utf-8 -*-
import redis
# r = redis.Redis(host='192.168.1.2', port=6379) #windows下
pool = redis.ConnectionPool(host='192.168.1.6', port=6379) # 虚拟机下
r = redis.Redis(connection_pool=pool)  #连接池
r.set('name_cohui', 'akaedu')
print(r.get('name_cohui'))

String操作

redis中的String在在内存中按照一个name对应一个value来存储。如图：

help set 查询语法帮助，以下红色字体标识为重点，其余基本用不到

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, time, value)

# 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', 'wupeiqi')
    或
    r.mget(['ylr', 'wupeiqi'])

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： "武沛齐" ，0-3表示 "武"

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

bitop() 

# 位运算

setbit(name, offset, value)

# 对name对应值的二进制表示的位进行操作
# 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 = "武沛齐"
    source = "foo"

    for i in source:
        num = ord(i)
        print bin(num).replace('b','')

    特别的，如果source是汉字 "武沛齐"怎么办？
    答：对于utf-8，每一个汉字占 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，将每一个字节转换 十进制数，然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)

# 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

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, amount=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, amount=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

代码示例：

setbit详解

Hash操作

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

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, *args)

# 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)  示例上用的del也是可以的

# 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)

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

# 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

实例解析

list操作

List操作，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)

# 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, refvalue, 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, num, value)

# 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)

领悟：

1、blpop names 40  （如果为空，等待40s，超时返回）

2、阻塞期间，如果rpush names 1 2 3 4

3、1的阻塞会立刻返回，并删除names列表最左边的第一个值1，留下2,3,4，且也把1返回　（brpop name1 name2 40 只要有一个列表有值，就不阻塞）

# 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)   -------->b：增加了超时功能

领悟：

1、brpoplpush name1 name2 40　　# 如果name为空，等待40s返回

2、在如果为空，在等待期间，给name存入一个元素，就立刻返回存入的值，不超时；

3、删除name最右边的元素，移到name2列表的最左边

# 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

实例解析

set集合操作

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对应集合的交集

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)  仅测试，它是随机删除n个元素（默认删除1个），并将其返回

# 从集合的右侧（尾部）移除一个成员，并将其返回

srandmember(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) 　　# 同哈希
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

实例解析

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，分数专门用来做排序。

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

zrevrange(name, start, end, withscores=False)  # 自己找的，按分数从大到小排序

zrevrank(name, value)  # 自己找的，获取倒序集合的元素排行（非分数，即下标）

# 按分数从大到小排序

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'])

zrangebylex()　　# 忘记它

zremrangebyrank(name, min, max)

# 根据排行范围删除

zremrangebylex(name, min, max)　　# 忘记它

zremrangebyscore(name, min, max)

# 根据分数范围删除

zscore(name, value)

# 获取name对应有序集合中 value 对应的分数

zinterstore(dest, keys, aggregate=None)  # 案例：班级统计学生的各科成绩，相同key相同分数也会相加

# 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)  # 同无序集合
zscan_iter(name, match=None, count=None,score_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)  或者del 可以删除（del "非法字符"）

# 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)) 如果指定db下存在该值，就不移动

# 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）

select db  # 切换数据表，redis默认有16个db，序号0-15

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

实例解析

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，并且默认情况下一次pipline 是原子性操作。

实例代码

#!/usr/bin/env python
# Author:uson
# -*- coding:utf-8 -*-
import redis, time
pool = redis.ConnectionPool(host='192.168.1.2', port=6379, db=5) #物理地址：有线网
r = redis.Redis(connection_pool=pool)
# pipe = r.pipeline(transaction=False) #改变原子操作
pipe = r.pipeline(transaction=True)  #原子操作，不可分割，要么都成功，要么都失败

'''下面这段代码：才是管道的意义
   设置完所有的字段，并不立刻执行，而是等到pipe.execute()执行后，才开始一次性执行所有redis的命令
   统一等到50秒后，一次性执行
'''
# start_time = time.time()
pipe.set('name4', 'alex') #通过管道去set，而不是r(redis)去set
time.sleep(50)
pipe.set('role4', 'sb')
# stop_time = time.time()
'''下面这段代码： 没有管道的意义
   set一个字段，就立刻可以获取到，不会等到pipe.execute()执行完，去一次性执行命令
   即：redis单线程，必须等到上一条指令执行完毕后，才会执行下一条指令
r.set('name2', 'uson') #先
time.sleep(20)
r.set('pwd2', 'akaedu') #后
'''
# print("time:", stop_time-start_time)
pipe.execute()

发布订阅

发布者：服务器

订阅者：Dashboad和数据处理

生成一个发布订阅的类：

#!/usr/bin/env python
# Author:uson
# -*- coding:utf-8 -*-

import redis
class RedisHelper(object):
    def __init__(self):
        # self.__conn = redis.Redis(host='192.168.1.3', port=6379)
        self.__conn = redis.Redis(host='192.168.1.3')  #连接
        self.uson_sub = 'fm110' #订阅频道
        self.uson_pub = 'fm110' #发布频道
    def public(self, msg):
        self.__conn.publish(self.uson_pub, msg) #发布消息
        return True
    def subscribe(self):
        pub = self.__conn.pubsub() #相当于：打开收音机
        pub.subscribe(self.uson_pub) #调选频道
        pub.parse_response() #开始准备收听，还没有收听
        return pub

发布端：

#!/usr/bin/env python
# Author:uson
# -*- coding:utf-8 -*-
'''采用命令行实现消息发布：
   publish fm110 hello(消息内容)
'''
'''采用python实现'''
from helper import RedisHelper
obj = RedisHelper() #实例化
# obj.public("Hello 你好".encode("utf-8"))
#循环发布：
while True:
    obj.public("Hello 你好".encode("utf-8"))

订阅端：

#!/usr/bin/env python
# Author:uson
# -*- coding:utf-8 -*-

from helper import RedisHelper
import time
obj = RedisHelper() #实例化
redis_sub = obj.subscribe()  #调用订阅功能
while True:
    msg = redis_sub.parse_response() #开始订阅消息
    # print("MSG:", msg)  #无法显示中文
    # print("MSG:", msg[2].decode()) #MSG: Hello 你好       列表list：可以显示中文

    ms = []
    for i in msg:
        ms.append(i.decode())  #显示中文
    print("MSG:", ms)
    time.sleep(1)

更多参见：https://github.com/andymccurdy/redis-py/

http://doc.redisfans.com/

什么时候用关系型数据库，什么时候 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

python-redis 文档
https://redis-py.readthedocs.io/en/latest/

附赠redis性能测试

准备环境：

　　因为找不到可用的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，是直通线现在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

　　value 在1K以上时，1000M网卡轻松的被跑慢，而且redis-server cpu连一个核心都没占用到，可见redis高效，redis的服务也不需要太高配置，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。

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