缓存数据

缓存数据

缓存数据的类型

在设计缓存的数据时，可以缓存以下类型的数据

• 一个数值

  例如

  • 验证码

  • 用户状态

    如：user:user_id: enable

• 数据库记录

  • Caching at the object level

    以数据库对象的角度考虑， 应用更普遍

    例如， 用户的基本信息

    user = User.query.filter_by(id=1).first()
    user -> User对象
    {
      'user_id':1,
      'user_name': 'python',
      'age': 28,
      'introduction': ''
    }

  • Caching at the database query level

    以数据库查询的角度考虑，应用场景较特殊，一般仅针对较复杂的查询进行使用

    query_result = User.query.join(User.profile).filter_by(id=1).first() 
    -> sql = "select a.user_id, a.user_name, b.gender, b.birthday from tbl_user as a inner join tbl_profile as b on a.user_id=b.user_id where a.user_id=1;"
    
    # hash算法 md5
    query = md5(sql)  # 'fwoifhwoiehfiowy23982f92h929y3209hf209fh2'
    
    # redis 
    setex(query, expiry, json.dumps(query_result))

• 一个视图的响应结果

    @route('/articles')
    @cache(exipry=30*60)
    def get_articles():
        ch = request.args.get('ch')
        articles = Article.query.all()
        for article in articles:
            user = User.query.filter_by(id=article.user_id).first()
            comment = Comment.query.filter_by(article_id=article.id).all()
          results = {...} # 格式化输出
       return results
  
    # redis
    # '/artciels?ch=1':  json.dumps(results)

• 一个页面

    @route('/articles')
    @cache(exipry=30*60)
    def get_articles():
        ch = request.args.get('ch')
        articles = Article.query.all()
        for article in articles:
            user = User.query.filter_by(id=article.user_id).first()
            comment = Comment.query.all()
       results = {...}
       return render_template('article_temp', results)
  
    #  redis
    # '/artciels?ch=1':  html

缓存数据的保存方式

• 序列化字符串

  如

    # 序列化  json字符
    # setex('user:{user_id}:info')
    setex('user:1:info', expiry, json.dumps(user_dict))

  • 优点

    • 存储字符串节省空间

  • 缺点

    • 序列化有时间开销
    • 更新不方便（一般直接删除）

• Redis的其他数据类型，如hash、set、zset

  如

   hmset('user:1:info', user_dict)

  • 优点
    • 读写时不需要序列化转换
    • 可以更新内部数据
  • 缺点
    • 相比字符串，采用复合结构存储空间占用大