redis介绍和安装

# 数据库：

关系型数据库：mysql、oracle、postgrasql、sqlserver、sqlite
            IBM：服务器     
            Oracle：数据库   达梦
            EMC：存储 

非关系型数据库: redis、mongodb、es、clickhouse、influxDB

         NoSql 类型
# 如何选择：

目前许多大型互联网都会选用MySql+NoSql的组合方案

关系型数据库适合存储结构化数据，比如：用户的账号、地址：

        （1）这些数据通常需要做结构化查询，比如Join，这时，关系型数据库就要胜出一筹。

        （2）这些数据的规模、增长的速度通常是可以预期的。

        （3）事务性、一致性,适合存储比较复杂的数据。

NoSql适合存储非结构化数据，比如：文章、评论：

        （1）这些数据通常用于模糊处理，如全文搜索、机器学习，适合存储较简单的数据。

        （2）这些数据是海量的，并且增长的速度是难以预期的。

        （3）按照key获取数据效率很高，但是对于join或其他结构化查询的支持就比较差。

# 总结：

        SQL数据库依然强大，可以可靠的处理事务并且保持事务的完整性，只有你的数据非常大，操作扩展需要更加分布式的系统时，才考虑NoSql数据库

# redis是什么？

        redis是一个key-value存储系统【软件】，用c语言写的，c/s架构的软件，纯内存存储，可以持久化【断电数据可以恢复】，支持很多客户端(python,go,java,c,php),速度很快
        有5钟数据类型：string字符串、hash字典、list列表、set集合、zset有序集合
# redis为什么速度这么快：
    qps ：10w   6w左右
    1、纯内存操作，避免了io
    2、使用了io多路复用的网络模型--（epoll）
    3、数据操作是单线程单进程---【没有锁操作，没有线程间切换】
# redis适合干什么？

缓存（最多）
验证码放在redis中，有过期时间，只要过期，这个数据就没了
计数器 
去重
排行榜：有序集合
地址位置信息
消息队列
...  

# 安装redis
    redis开源项目，社区不支持win
            使用的epoll模式，不能再win上运行的
    微软团队基于人家源码，修改+编译，做成安装包可以装在win上
    最新：最新7.x
    win平台最新只有：
            最新5.x版本 https://github.com/tporadowski/redis/releases/
            最新3.x版本 https://github.com/microsoftarchive/redis/releases
    下载：Redis-x64-5.0.14.1.msi，一路下一步

redis配置和启动

# 配置成服务，启动停止服务即可，也可以通过命令启动停止
# 安装目录下，重要的可执行文件
    redis-cli  ：客户端   等同于mysql 的 mysql
    redis-server ：服务端等同于mysql 的 mysqld

# 重要的配置文件相当于mysql 的 my.ini

redis.windows-service.conf
      databases 16
      port 6379
      bind 127.0.0.1

  # 启动redis：
    redis-server  配置文件路径   redis-server redis.windows-service.conf
# 关闭：
    1、服务中点停止
    2、cmd客户端链接上：执行   shutdown    
# redis数据是存在内存中得
    一般情况下，重启redis服务，关机，数据都会丢失
    咱们不会丢 redis.windows-service.conf 已经写了持久化方案
        （从内存把数据保存到硬盘上的过程称之为持久化）

redis之普通链接和连接池

# 安装：pip install redis

# 普通链接

from redis import Redis

conn = Redis(host='localhost', port=6379, db=0)
res = conn.get('name')
print(res)  # b'\xe5\x91\xa8\xe4\xbd\xb3\xe4\xbd\xb3'
print(res.decode(encoding='utf-8'))  # 周佳佳
conn.close()

# 连接池: 

# script/redis_demo/pool.py
import redis
# 创建池--->保证pool是单例的---》全局只有一个pool对象实例
Pool = redis.ConnectionPool(max_connections=3, host="localhost", port=6379, decode_responses=True)

# 连接池链接.py
import redis
from threading import Thread
from pool import Pool


# 每次从池中取一个链接
# conn = redis.Redis(connection_pool=pool)
# res = conn.get('name')
# print(res)
# conn.close()  # 把链接放回到连接池


# 起十个线程
def task():
    conn = redis.Redis(connection_pool=Pool)
    res = conn.get('name')
    print(res)
    conn.close()


l = []
for i in range(3):
    t = Thread(target=task)
    t.start()
    l.append(t)

for t in l:
    t.join()

print('结束了')

redis字符串操作

# 对五种数据类型的操作：
         字符串、字典、列表、集合、有序集合
# 主要应用场景：
    1 计数器
    2 做缓存，轮播图数据，json格式字符串，放到redis中

# redis对字符串的操作：

from pool import POOL
import redis
conn = redis.Redis(connection_pool=POOL)
...  # 对字符串的操作
conn.close()

# 字符串操作：
1、set(name, value, ex=None, px=None, nx=False, xx=False)   设置值

conn.set('hobby','篮球')
# 带过期时间
conn.set('age','19',ex=3)
conn.set('age','19',px=3000)
# 如果key存在才设置或不存在才设置
# nx，如果设置为True，则只有name不存在时，当前set操作才执行,值存在，就修改不了，执行没效果
# xx，如果设置为True，则只有name存在时，当前set操作才执行，值存在才能修改，值不存在，不会设置新值
conn.set('age',19,nx=True)
conn.set('age',99,nx=True)
conn.set('age',99,xx=True)
conn.set('yy',99,xx=True)

2、setnx(name, value)  存在就不改了
        conn.setnx('age',999) # 等同于 conn.set('age',19,nx=True)

3、psetex(name, time_ms, value) # 设置过期时间
        conn.psetex('xxx',3000,'阿斯顿发')
        conn.setex('xxx',3,'阿斯顿发')

4、mset(*args, **kwargs) 批量设置
        conn.mset({'name':'yyy','age':888,'height':180})

5、get(name) # 获取
        res=conn.get('name')
        print(res)

6、mget(keys, *args)   # 批量获取

        res=conn.mget(['name','age','height'])
        print(res)
        # ['name','age','height']-->['name','age','height']--->[name,age,height]
7、getset(name, value)  # 拿完再修改完
        res=conn.getset('name','彭于晏')
        print(res)

8、getrange(key, start, end)  数字指的是字节长度

# 字符：  a   b  你   中  国
# 字节：  存中文，utf-8，需要3个字节存一个字符
res=conn.getrange('name',0,2) # 前闭后闭区间
print(res)
print(str(res,encoding='utf-8'))

s='lqz厉害'
print(len(s))
print(len(bytes(s,encoding='utf-8')))
print(len(bytes(s,encoding='gbk')))

9、setrange(name, offset, value)   # 设置字节，在第几个位置设置什么
        conn.setrange('name',3,'eeee')

# 比特位操作：

setbit(name, offset, value)
print(conn.getbit('name',3))
getbit(name, offset)
bitcount(key, start=None, end=None)
bitop(operation, dest, *keys)

10、字节长度 strlen(name)
        print(conn.strlen('name'))
11、自增  incr(self, name, amount=1)
        incrby
        conn.incrby('age')       # 文章阅读量  计数器  单线程 不会有并发安全问题

12、自增小数   incrbyfloat(self, name, amount=1.0)

13、减  decr(self, name, amount=1)
        conn.decrby('age',2)

14、追加  append(key, value)

        conn.append('age',8888)
        conn.append('hobby','很好')
        conn.close()

redis之hash操作

# hash形式：字典  key -value形式，都是无序的

# 应用场景： 缓存、计数器
# 基本运用：

from redis import Redis
conn = Redis(host='127.0.0.1', port=6379, db=0)
...
conn.close()

1、hset(name, key, value)  设置值
        conn.hset('userinfo','name','lqz')
        conn.hset('userinfo','age',18)

2、hmset(name, mapping)  批量设置
        conn.hmset('userinfo1',{'name':'彭于晏','age':19})
        conn.hset('userinfo2', mapping={'name': '刘亦菲', 'age': 19, 'hobby': '抽烟'})

3、hget(name,key)  拿值
         print(conn.hget('userinfo2','hobby'))

4、hmget(name, keys, *args) 批量获取值
        print(conn.hmget('userinfo2','hobby','name','age'))
        print(conn.hmget('userinfo2',['hobby','name','age']))

5、hgetall(name)  获取所有， 慎用，可能数据多，一次性取内存会爆掉
        res=conn.hgetall('userinfo2')
        print(res)

6、hlen(name) 统计长度
        print(conn.hlen('userinfo2'))

7、hkeys(name)  获取所有的key
        print(conn.hkeys('userinfo2'))

8、hvals(name)  获取所有value
        print(conn.hvals('userinfo2'))

9、hexists(name, key)   判断是否存在          T/F
        print(conn.hexists('userinfo2','hobby1'))

10、hdel(name,*keys)   删除
        res=conn.hdel('userinfo2','hobby')
        print(res)

11、hincrby(name, key, amount=1)   加一，做计数器
        conn.hincrby('userinfo2','age')12、hincrbyfloat(name, key, amount=1.0)    加小数
        conn.hincrbyfloat('userinfo2', 'age', amount=1.2)
12、hscan(name, cursor=0, match=None, count=None)   一点点取值

for i in range(1000):
   conn.hset('map_demo',i,'鸡蛋_%s'%i)
# 一次性取出来
res=conn.hgetall("map_demo")
print(res)

# 一点点取---》取的数量不准确(上下相差一点点)，下次取值取决于上次的结果---》不单独使用
res=conn.hscan('map_demo',cursor=0,count=20)   # 从第0个位置开始取20条
print(res) # (数字，{数据})
print(len(res[1]))

res=conn.hscan('map_demo',cursor=320,count=10)
print(res) # (数字，{数据})

conn.hscan('map_demo')

13、 hscan_iter(name, match=None, count=None)    一点点取
        res=conn.hscan_iter('map_demo',count=10)  
# 内部通过调用 hscan实现 每次取10条，用完再继续取10条，直到所有数据都取完

   内部是生成器， 取出所有数据等同于 hgetall

redis之list操作

# 作用
    1 跨进程间通信，消息队列
    2 实现分布式
    3 队列和栈

# 基本运用：

from redis import Redis
conn = Redis(host='127.0.0.1', port=6379, db=0)
...
conn.close()

1、 lpush(name, values)   从左向右插入值
        conn.lpush('girls', '刘亦菲')  
        conn.lpush('girls', '迪丽热巴')  

2、rpush(name, values) 表示从右向左操作
        conn.rpush('girls','李清照')

3、lpushx(name, value)   存在才放进去，不存在不行
        conn.lpushx('girls','lqz')  
        conn.lpushx('boys','lqz')  

4、rpushx(name, value) 表示从右向左操作
        conn.rpushx('girls','小红')

5、llen(name)   列表长度
        print(conn.llen('girls'))

6、linsert(name, where, refvalue, value))
        #在 刘亦菲 后面插入 上海刘亦菲
        conn.linsert('girls',where='after',refvalue='刘亦菲',value='上海刘亦菲')
        conn.linsert('girls', where='before', refvalue='刘亦菲', value='山东刘亦菲')

7、lset(name, index, value) 左往右第几个位置插入
        conn.lset('girls',1,'lqz')  
        conn.lset('girls',3,'lqz')  

8、lrem(name, value, num)  删除
        conn.lrem('girls',1 ,'lqz') # 从左往右删1个
        conn.lrem('girls',-1 ,'lqz') # 从右往左删1个
        conn.lrem('girls',0 ,'lqz') # 所有都删除

9、lpop(name)  从左往右弹出一个
        print(conn.lpop('girls'))

10、rpop(name) 表示从右向左操作
        print(str(conn.rpop('girls'),encoding='utf-8'))

11、lindex(name, index)   按索引取值，从0开始
        res=conn.lindex('girls',1) 
        print(str(res,encoding='utf-8'))

12、lrange(name, start, end)   取范围内的值
        res=conn.lrange('girls',0,1) # 前闭后闭区间
        print(res)

13、ltrim(name, start, end)     截取列表范围
        conn.ltrim('girls',1,3)  # 前闭后闭

14、rpoplpush(src, dst)       #两个列表 ，从第一个列表的右侧弹出，放到第二个列表的左侧

15、blpop(keys, timeout)      # 阻塞式弹出，可以做消息队列，分布式
        res=conn.blpop('boys',timeout=5)   五秒内
        print(res)

16、 r.brpop(keys, timeout)，从右向左获取数据

17、brpoplpush(src, dst, timeout=0)

分布式：你计算一个，我计算一个

redis其他操作

# 通用操作：
        delete(*names)：删除
        exists(name)：存在几个
        keys(pattern='*')：匹配key值
        expire(name ,time)：设置过期时间
        rename(src, dst)：重命名
        move(name, db))：移动库
        randomkey()：随机弹出一个key
        type(name)：查看类型

from redis import Redis

conn = Redis(host='localhost', port=6379, db=0)

# 可以删除多个
conn.delete('name','age')

# redis里存在几个
res=conn.exists('userinfo1','name','height')
print(res)  # 2

# 可以写个匹配，以u开头的所有key
res=conn.keys('u*')
print(res)

# 设置key且有过期时间
conn.expire('girls',10)

# 重命名
conn.rename('name','name1')

# 移动库
conn.move('bobby1',2)

# 随机弹出一个key值
print(conn.randomkey())

# 查看类型
print(conn.type('height')) #string
print(conn.type('map_demo')) #hash

conn.close()

django中使用redis

方式一：通用方式

# 写个pool.py，然后在哪里用，导入用即可:

# utills/pools.py
import redis

POOL = redis.ConnectionPool(
    host='localhost',
    port=6379,
    db=0,
    decode_responses=True,
    max_connections=10
)

# apps/user/views.py
# redis测试
from utills.pool import POOL
import redis

class RedisView(ViewSet):
    def list(self, request):
        conn = redis.Redis(connection_pool=POOL)
        conn.incrby('count')
        count = conn.get('count')
        return APIResponse(msg='您是第%s个访问的' % count)

方式二：配置文件配置

# settings/dev.py
#  配置redis
CACHES = {
    "default": {
        "BACKEND": "django_redis.cache.RedisCache",
        "LOCATION": "redis://127.0.0.1:6379",
        "OPTIONS": {
            "CLIENT_CLASS": "django_redis.client.DefaultClient",
            "CONNECTION_POOL_KWARGS": {"max_connections": 100},
            # "PASSWORD": "123",

        }
    }
}

# apps/user/views.py
# redis测试
from django_redis import get_redis_connection

class RedisView(ViewSet):
    def list(self, request):
        conn = get_redis_connection()   # 从池中获取一个链接
        conn.incrby('count')
        count = conn.get('count')
        return APIResponse(msg='您是第%s个访问的' % count)

django的redis缓存

# django内置的缓存：缓存的位置在内存，只要项目一重启，数据就没了

        cache.set()  设置缓存
        cache.get()  获取缓存
# redis：缓存放到 redis中 ，redis可以持久化，项目停止，但redis还运行，数据就不会丢

   如下配置，以后只要使用 cache.set  和 cache.get 通过都是去redis设置和取：

CACHES = {
    "default": {
        "BACKEND": "django_redis.cache.RedisCache",
        "LOCATION": "redis://127.0.0.1:6379",
        "OPTIONS": {
            "CLIENT_CLASS": "django_redis.client.DefaultClient",
            "CONNECTION_POOL_KWARGS": {"max_connections": 100}
            # "PASSWORD": "123",
        }
    }
}

# redis缓存
from django.core.cache import cache

class CacheView(ViewSet):
    def list(self, request):
        name = request.query_params.get('name')
        cache.set('name', name,10)
        return APIResponse(msg='您传入的数据已经加入缓存')

    def create(self,request):
        res=cache.get('name')
        return APIResponse(msg='您传入的数据是：%s'% res)

# 优势：redis 分数据类型， 只能设置5种数据类型
              django的缓存来讲 ，不限制类型，可以放python的任意类型
              用 cache.set()放入任意类型，取出来还是这个类型
# 底层原理：

        把你存储的类型，使用pickle序列化，bytes格式，当redis的字符串形式存到redis中
# 所以以后咱们做redis的操作，可以直接使用django的缓存， 不需要考虑类型

首页轮播图接口缓存

# 原因：首页轮播图接口，只要有一个用户访问一次首页，就会查询一次数据库
              用户量很大，同时来访问首页，不停的查询 Banner表

# 做缓存：django的cache

        第一次去数据库拿，把取出来的数据，放到缓存中，以后只要访问轮播图接口，都从缓存中取，这个接口的响应速度就会非常快

# 提高速度：接口+缓存

# apps/home/views.py
from django.conf import settings
from utills.common_response import APIResponse
from utills.common_logger import logger
from rest_framework.mixins import ListModelMixin


# 查询所有轮播图
class BannerView(GenericViewSet, CommonListModelMixin):
    # qs对象可以切片,limit 2
    queryset = Banner.objects.all().filter(is_delete=False, is_show=True).order_by('orders')[:settings.BANNER_COUNT]
    serializer_class = BannerSerializer

    def list(self, request, *args, **kwargs):
        # 先查缓存,缓存中有直接返回
        banner_list = cache.get('banner_list')  # 列表类型
        # 缓存中没有：去数据库查
        if not banner_list:
            logger.info('走了数据库')
            res = ListModelMixin.list(self, request, *args, **kwargs)
            banner_list = res.data
            cache.set('banner_list', banner_list)
        return APIResponse(results=banner_list)

缓存其他

# 问题1：双写一致性

        后期如果banner表中数据变了，由于一直取的是缓存数据，缓存不会变导致数据不一致
# 解决：mysql  redis要同步写
        
# 问题2：所有查询所有或单条的接口，都可以加缓存
               封装一个 mixin的类，不需要重写list方法，只需要配置一下，就能使用缓存

后续只需配上cache_key就是走了缓存，没配就是走数据库：

# utills/mixins.py
# 封装缓存
from utills.common_logger import logger
from django.core.cache import cache


class CacheListModelMixin(ListModelMixin):
    cache_key = None

    def list(self, request, *args, **kwargs):
        if self.cache_key:
            res = cache.get(self.cache_key)
            if not res:
                logger.info('走了数据库')
                response = super(CacheListModelMixin, self).list(request, *args, **kwargs)
                cache.set(self.cache_key, response.data)
                res = response.data
            return APIResponse(results=res)
        else:
            res = super(CacheListModelMixin, self).list(request, *args, **kwargs)
            return APIResponse(results=res.data)

# apps/home/views.py
# 使用封装的redis缓存
from utills.mixins import CacheListModelMixin


class BannerView(GenericViewSet, CacheListModelMixin):
    cache_key = 'banner_list'
    queryset = Banner.objects.all().filter(is_delete=False, is_show=True).order_by('orders')[:settings.BANNER_COUNT]
    serializer_class = BannerSerializer

今日思维导图：