redis其他操作、redis管道、django中使用redis、django缓存、celery介绍、补充单例
redis其他操作
''' delete(*names) exists(name) keys(pattern='*') expire(name ,time) rename(src, dst) move(name, db)) randomkey() type(name) ''' # redis的key值，最大可以是多少？ 最大不超过512M 一般 1KB # redis的value值，最大可以是多少？ 最大不超过512M
import redis conn = redis.Redis(decode_responses=True) # delete(*names) conn.delete('username') # 删除指定键 # exists(name) print(conn.exists('name1')) # 判断指定键是否存在，存在返回1，不存在返回0 # keys(pattern='*') print(conn.keys('u*')) # 查找指定字母开头的键名 print(conn.keys('*')) # 查找所有键名 print(conn.keys()) # 查找所有键名 # expire(name ,time) conn.expire('name',5) # 给指定键添加到期时间 # rename(src, dst) conn.rename('userinfo1','userinfo2') # 修改指定键名 # move(name, db)) conn.move('userinfo2',2) # 将指定键移动到其他库 # randomkey() print(conn.randomkey()) # 随机返回一个键名 # type(name) print(conn.type('name')) # 返回键的类型，键不存在返回none conn.close()
redis管道
# 事务四大特性 -原子性：要么都成功，要么都失败 -一致性：数据前后要一致 -隔离性：多个事务之间相互不影响 -持久性：事务一旦完成，数据永久改变 # 关系型数据库，支持事务 # redis 有没有事务？没有专门的事务，但是通过别的方式，可以实现事务的几个特性，所以咱们认为它具备事务 -redis要支持事务，要完成事务的几大特性，需要使用管道来支持 -单实例redis是支持管道的 -集群模式下，不支持管道，就不支持事务 ##### redis通过管道实现事务 import redis #### 没有管道的情况，一旦失败，之前执行的 不会回退 # conn = redis.Redis() # # conn.decrby('my_money', 10) # # 我的钱扣了，写了点别的逻辑--》有可能抛异常 # l = [0, 2, 3] # print(l[9]) # # conn.incrby('zs_money', 10) # # # conn.set('my_money',90) # # conn.incrby('zs_money',110) # # conn.close() import redis # 通过管道实现事务 conn = redis.Redis() pipline = conn.pipeline(transaction=True) # 创建了一个管道，把命令都一个个放到管道中，先不执行，当执行execute，才执行管道中所有的命令 pipline.decrby('my_money', 10) # 我的钱扣了，中间写了点别的逻辑==》有可能抛异常 # 有异常直接停了，没走到exeute，不会执行，实现同时执行和同时失败 # l = [0, 1, 2] # print(l[3]) pipline.incrby('zs_money',10) pipline.execute() conn.close()
django中使用redis
通用方案
# 写一个池 import redis POOL = redis.ConnectionPool(max_connections=20) # 在要使用的地方，导入使用即可 def redis_demo(requset): conn = redis.Redis(connection_pool=POOL, decode_responses=True) res = conn.incrby('count') print(res) return HttpResponse(f'您是我们第：{res}个用户')
第三方模块
# django-redis ---》配置文件中配置即可 pip install django-redis # 配置文件配置 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", } }, } # 在使用的位置，导入使用 from django_redis import get_redis_connection def redis_demo(requset): conn = get_redis_connection() res = conn.incrby('count') print(res) return HttpResponse(f'您是我们第：{res}个用户')
django缓存
# redis数据存在内存中，取放速度快---》非常适合做缓存 本来数据在mysql中，每次都查询，速度慢---》把查询出来的数据，暂时存储到redis（缓存），下次请求再来，直接从redis中拿，速度就会很快 # django中如何使用缓存 -配置文件配置(缓存位置：内存，文件中，redis中) 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", } -把数据放到缓存中(放到redis中) from django.core.cache import cache cache.set(key,value可以是任意类型,过期时间) -redis只支持5大数据类型，可以放python的任意类型 -本质：pickle序列化---》bytes格式---》以redis字符串的形式放在了redis中 cache.get(key) # 后期咱么在项目中，使用redis作为django的缓存，多一些，尽量不使用原生redis操作 # 前后端分离中，使用 cache.set cache.get # 前后端混合中 可以整站缓存 可以要缓存一个页面 可以缓存页面中的某个位置 # 可以缓存的位置： 内存中 本地文件中 数据库中 redis中 （咱们用的多）
celety介绍
# celery是什么？ 分布式异步任务框架：第三方框架，celery翻译过来是芹菜，吉祥物就是芹菜 项目中使用异步任务的场景，可以使用它 之前做异步，如何做？ 异步发送短信---》开启多线程---》不便于管理 # celery有什么作用？ -执行异步任务 -执行延迟任务 -执行定时任务 # celery原理 1）可以不依赖任何服务器，通过自身命令，启动服务 2）celery服务为为其他项目服务提供异步解决任务需求的 注：会有两个服务同时运行，一个是项目服务，一个是celery服务，项目服务将需要异步处理的任务交给celery服务，celery就会在需要时异步完成项目的需求 人是一个独立运行的服务 | 医院也是一个独立运行的服务 正常情况下，人可以完成所有健康情况的动作，不需要医院的参与；但当人生病时，就会被医院接收，解决人生病问题 人生病的处理方案交给医院来解决，所有人不生病时，医院独立运行，人生病时，医院就来解决人生病的需求 django如果不用异步，正常运行即可，如果想做异步，就借助于 celery来完成 # celery架构 -broker：消息中间件，任务中间件（消息队列：redis，rabbitmq） django要做异步，提交任务到 任务中间件中(redis),存储起来 Celery本身不提供消息服务，但是可以方便的和第三方提供的消息中间件集成。包括，RabbitMQ, Redis等等 -worker：任务执行者，任务执行单元 不停的从任务中间件中取任务，执行 Worker是Celery提供的任务执行的单元，worker并发的运行在分布式的系统节点中 -backend：结果存储，任务结果存储 把任务执行结果(函数返回值)，存放到结果存储中（redis） 用来存储Worker执行的任务的结果，Celery支持以不同方式存储任务的结果，包括AMQP, redis等 ### 任务中间件：redis ### 结果存储：redis
celery的快速使用
# 0 开源的，小组织，不支持win，不要就win的问题展开讨论了 win上：需要借助于第三方 ##### 1 安装： pip install celery # 最新 5.3.4 ###### 2 写代码 main.py import time from celery import Celery # 1 实例化得到对象 broker = 'redis://127.0.0.1:6379/1' # 消息中间件 redis backend = 'redis://127.0.0.1:6379/2' # 结果存，用redis app = Celery('app', broker=broker, backend=backend) # 编写任务,必须用app.task 装饰，才变成了celery的任务 @app.task def send_sms(): time.sleep(1) print('短信发送成功') return '手机号短信发送成功' #### 3 提交任务，使用别的进程 from main import send_sms res=send_sms.delay() print(res) ### 4 启动worker---》可以在3之前 # windows： pip3 install eventlet celery -A main worker -l info -P eventlet # mac linux # celery -A main worker -l info ### 5 worker就会执行任务，把执行的结果，放到结果存储中 ### 6 查看结果 from celery.result import AsyncResult from main import app id = '92987636-ae9e-4be9-828b-8c2d10fe066a' if __name__ == '__main__': a = AsyncResult(id=id, app=app) if a.successful(): result = a.get() print(result) elif a.failed(): print('任务失败') elif a.status == 'PENDING': print('任务等待中被执行') elif a.status == 'RETRY': print('任务异常后正在重试') elif a.status == 'STARTED': print('任务已经开始被执行')
补充单例
什么是单例模式？单例模式是指：保证一个类仅有一个实例，并提供一个访问它的全局访问点 # 线程1 执行： cursor.excute('select * from user') # 线程2执行 cursor.excute('select * from books') # 线程1 执行 cursor.fetchAll() # 拿出查询到的数据 # django ，每个线程，一个连接对象---》 连接池
单例的实现形式
1 使用模块
其实，Python 的模块就是天然的单例模式，因为模块在第一次导入时，会生成 .pyc 文
件，当第二次导入时，就会直接加载 .pyc 文件，而不会再次执行模块代码。因此，我们只
需把相关的函数和数据定义在一个模块中，就可以获得一个单例对象了。如果我们真的想
要一个单例类，可以考虑这样做：
class Singleton(object): def foo(self): pass singleton = Singleton()
from a import singleton
2 使用装饰器
def Singleton(cls): instance = None def _singleton(*args, **kargs): nonlocal instance if not instance: instance = cls(*args, **kargs) return instance return _singleton @Singleton class A(object): def __init__(self, x=0): self.x = x a1 = A(2) a2 = A(3) print(a1.x) print(a2.x) print(a1 is a2)
3 使用类方法
class Singleton(object): _instance=None def __init__(self): pass @classmethod def instance(cls, *args, **kwargs): if not cls._instance: cls._instance=cls(*args, **kwargs) return cls._instance a1=Singleton.instance() a2=Singleton().instance() print(a1 is a2)
4 基于new方法实现
class Singleton(object): _instance=None def __init__(self): pass def __new__(cls, *args, **kwargs): if not cls._instance: cls._instance = object.__new__(cls) return cls._instance obj1 = Singleton() obj2 = Singleton() print(obj1 is obj2)
5 基于metaclass方式实现
class SingletonType(type): _instance=None def __call__(cls, *args, **kwargs): if not cls._instance: # cls._instance = super().__call__(*args, **kwargs) cls._instance = object.__new__(cls) cls._instance.__init__(*args, **kwargs) return cls._instance class Foo(metaclass=SingletonType): def __init__(self,name): self.name = name obj1 = Foo('name') obj2 = Foo('name') print(obj1.name) print(obj1 is obj2)
