Redis的数据类型以及应用场景

Redis - 数据类型

Redis是一种开源的内存数据结构存储，用作数据库、缓存和消息代理。 它支持多种数据结构，如字符串、哈希、列表、集合、有序集合等。

Redis 数据类型

1. 字符串（String）

Redis 的字符串（String）数据类型是最基本和最常用的数据类型之一。它可以存储各种类型的数据，如文本、数字、二进制数据等。以下是字符串类型的一些常见应用场景及其示例代码。

应用场景

  1. 缓存
    • 场景: 缓存频繁访问的数据，如网页内容、查询结果等。
    • 示例: 缓存用户个人信息。
  2. 计数器
    • 场景: 计数操作，如网站访问量、视频播放次数等。
    • 示例: 记录文章阅读次数。
  3. 简单的键值对存储
    • 场景: 存储一些简单的配置信息或状态标识。
    • 示例: 存储网站的配置信息。
  4. 分布式锁
    • 场景: 控制对共享资源的访问，避免并发问题。
    • 示例: 使用字符串实现分布式锁。

示例代码

1. 缓存用户信息
import redis# 连接到 Redis 服务器
r = redis.Redis(host='localhost', port=6379, db=0)user_id = "user:1000"
user_info = {"name": "Alice","email": "alice@example.com","age": "30"
}# 设置用户信息缓存，设置过期时间为 3600 秒（1 小时）
r.setex(user_id, 3600, str(user_info))# 获取用户信息
cached_user_info = r.get(user_id)
if cached_user_info:print(f"缓存的用户信息: {cached_user_info.decode()}")
else:print("缓存已过期或不存在")
2. 记录文章阅读次数
article_id = "article:123"# 初始化阅读次数
r.set(article_id, 0)# 每次读取文章时，增加阅读次数
r.incr(article_id)# 获取当前阅读次数
read_count = r.get(article_id)
print(f"文章 {article_id} 的阅读次数为: {read_count.decode()}")
3. 存储网站配置信息
config_key = "site:config"config = {"site_name": "My Awesome Site","maintenance_mode": "off"
}# 存储配置信息
r.set(config_key, str(config))# 获取配置信息
site_config = r.get(config_key)
if site_config:print(f"网站配置信息: {site_config.decode()}")
else:print("配置信息不存在")
4. 使用字符串实现分布式锁
import timelock_key = "resource:lock"
lock_value = "unique_lock_id"# 获取锁，设置锁的过期时间为 10 秒
if r.set(lock_key, lock_value, nx=True, ex=10):print("成功获取锁")try:# 执行需要加锁的操作print("正在执行操作...")time.sleep(5)  # 模拟操作finally:# 释放锁if r.get(lock_key) == lock_value:r.delete(lock_key)print("成功释放锁")
else:print("获取锁失败，资源正在被使用")

2. 哈希（Hash）

Redis 的哈希（Hash）数据类型是一个键值对集合，适合存储对象及其属性。以下是哈希类型的一些常见应用场景及其示例代码。

应用场景

  1. 存储用户信息
    • 场景: 存储用户的基本信息，如用户名、密码、邮箱等。
    • 示例: 用户注册信息存储。
  2. 存储对象属性
    • 场景: 存储商品的属性信息，如名称、价格、库存等。
    • 示例: 商品详情存储。
  3. 会话数据
    • 场景: 存储用户会话数据，如登录状态、会话时间等。
    • 示例: 用户登录会话管理。
  4. 配置管理
    • 场景: 存储应用的配置信息，方便集中管理和读取。
    • 示例: 网站配置项存储。

示例代码

1. 存储用户信息
import redis# 连接到 Redis 服务器
r = redis.Redis(host='localhost', port=6379, db=0)user_id = "user:1000"
user_info = {"name": "Alice","email": "alice@example.com","age": "30"
}# 存储用户信息
r.hmset(user_id, user_info)# 获取用户信息
retrieved_user_info = r.hgetall(user_id)
print("用户信息:")
for key, value in retrieved_user_info.items():print(f"{key.decode()}: {value.decode()}")
2. 存储商品属性
product_id = "product:123"
product_info = {"name": "Laptop","price": "999.99","stock": "50"
}# 存储商品属性
r.hmset(product_id, product_info)# 获取商品属性
retrieved_product_info = r.hgetall(product_id)
print("商品属性:")
for key, value in retrieved_product_info.items():print(f"{key.decode()}: {value.decode()}")
3. 用户会话数据
session_id = "session:456"
session_data = {"user_id": "1000","login_time": "2023-05-29 10:00:00","status": "active"
}# 存储会话数据
r.hmset(session_id, session_data)# 获取会话数据
retrieved_session_data = r.hgetall(session_id)
print("会话数据:")
for key, value in retrieved_session_data.items():print(f"{key.decode()}: {value.decode()}")
4. 存储网站配置信息
config_key = "site:config"
site_config = {"site_name": "My Awesome Site","maintenance_mode": "off","max_users": "10000"
}# 存储网站配置信息
r.hmset(config_key, site_config)# 获取网站配置信息
retrieved_site_config = r.hgetall(config_key)
print("网站配置信息:")
for key, value in retrieved_site_config.items():print(f"{key.decode()}: {value.decode()}")

注意事项

  • hmset 已弃用: 请注意，hmset 方法在 Redis 3.2.0 及以后的版本中已被弃用，推荐使用 hset 方法来代替。

以下是使用 hset 方法的示例：

# 存储用户信息
for key, value in user_info.items():r.hset(user_id, key, value)# 存储商品属性
for key, value in product_info.items():r.hset(product_id, key, value)# 存储会话数据
for key, value in session_data.items():r.hset(session_id, key, value)# 存储网站配置信息
for key, value in site_config.items():r.hset(config_key, key, value)

列表（List）

Redis 列表（List）是一个按插入顺序排序的字符串列表，支持从列表的两端推入和弹出元素，并且支持阻塞操作。以下是 Redis 列表的一些常见应用场景及其示例代码。

应用场景

  1. 消息队列
    • 场景: 使用列表实现简单的消息队列系统，存储任务或消息。
    • 示例: 任务队列。
  2. 最新消息列表
    • 场景: 存储和获取最新的消息或日志，如社交媒体的时间线、聊天记录。
    • 示例: 获取最新的聊天记录。
  3. 待办事项
    • 场景: 存储用户的待办事项清单。
    • 示例: 任务管理系统中的任务列表。
  4. 排行榜
    • 场景: 存储和管理排名信息。
    • 示例: 游戏排行榜。

示例代码

1. 实现简单的消息队列
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)queue_key = 'task_queue'# 推送任务到队列
r.rpush(queue_key, 'task1')
r.rpush(queue_key, 'task2')
r.rpush(queue_key, 'task3')# 从队列中取出任务并处理
while True:task = r.lpop(queue_key)if task is None:breakprint(f'Processing {task.decode()}')
2. 存储和获取最新的消息
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)chat_key = 'chat:messages'# 存储消息
r.rpush(chat_key, 'Hello!')
r.rpush(chat_key, 'How are you?')
r.rpush(chat_key, 'Goodbye!')# 获取最新的消息（从列表的右侧）
latest_messages = r.lrange(chat_key, -3, -1)
print('Latest messages:')
for message in latest_messages:print(message.decode())
3. 存储和管理待办事项
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)todo_list_key = 'todo:list'# 添加待办事项
r.rpush(todo_list_key, 'Buy milk')
r.rpush(todo_list_key, 'Walk the dog')
r.rpush(todo_list_key, 'Read a book')# 获取所有待办事项
todo_items = r.lrange(todo_list_key, 0, -1)
print('To-Do List:')
for item in todo_items:print(f'- {item.decode()}')# 完成第一个待办事项
completed_item = r.lpop(todo_list_key)
print(f'Completed: {completed_item.decode()}')
4. 存储和管理排行榜
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)leaderboard_key = 'game:leaderboard'# 添加玩家分数
r.rpush(leaderboard_key, 'Alice:1000')
r.rpush(leaderboard_key, 'Bob:1500')
r.rpush(leaderboard_key, 'Charlie:1200')# 获取排行榜
leaderboard = r.lrange(leaderboard_key, 0, -1)
print('Leaderboard:')
for rank, player in enumerate(leaderboard, start=1):print(f'{rank}. {player.decode()}')

4. 集合（Set）

Redis 集合（Set）是一种无序的字符串集合，集合中的元素是唯一的，不允许重复。集合类型支持多种集合操作，如交集、并集、差集等。以下是 Redis 集合的一些常见应用场景及其示例代码。

应用场景

  1. 标签系统
    • 场景: 存储和管理标签，如用户标签、商品标签等。
    • 示例: 用户兴趣标签。
  2. 去重
    • 场景: 存储和管理唯一性数据，防止重复。
    • 示例: 记录唯一访问 IP。
  3. 好友推荐
    • 场景: 计算共同好友或共同关注的用户。
    • 示例: 推荐共同好友。
  4. 权限管理
    • 场景: 存储和管理用户权限。
    • 示例: 用户角色权限。

示例代码

1. 标签系统
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)user_id = 'user:1000'
tags_key = f'{user_id}:tags'# 添加标签
r.sadd(tags_key, 'music', 'movies', 'sports')# 获取所有标签
tags = r.smembers(tags_key)
print('User tags:')
for tag in tags:print(tag.decode())# 检查是否有某个标签
has_music_tag = r.sismember(tags_key, 'music')
print(f'User has music tag: {has_music_tag}')
2. 去重
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)unique_ips_key = 'unique:ips'# 添加访问 IP
r.sadd(unique_ips_key, '192.168.1.1', '192.168.1.2', '192.168.1.1')  # 192.168.1.1 重复# 获取所有唯一 IP
unique_ips = r.smembers(unique_ips_key)
print('Unique IPs:')
for ip in unique_ips:print(ip.decode())
3. 共同好友推荐
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)user1_friends_key = 'user:1000:friends'
user2_friends_key = 'user:2000:friends'# 添加用户好友
r.sadd(user1_friends_key, 'friend1', 'friend2', 'friend3')
r.sadd(user2_friends_key, 'friend2', 'friend3', 'friend4')# 获取共同好友
common_friends = r.sinter(user1_friends_key, user2_friends_key)
print('Common friends:')
for friend in common_friends:print(friend.decode())
4. 权限管理
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)role_key = 'role:admin:permissions'# 添加权限
r.sadd(role_key, 'read', 'write', 'delete')# 获取所有权限
permissions = r.smembers(role_key)
print('Admin permissions:')
for permission in permissions:print(permission.decode())# 检查是否有某个权限
has_delete_permission = r.sismember(role_key, 'delete')
print(f'Admin has delete permission: {has_delete_permission}')

5. 有序集合（Sorted Set）

Redis 有序集合（Sorted Set）是一种带有分数的集合，集合中的每个成员都有一个分数，Redis 会按照分数的大小进行排序。以下是 Redis 有序集合的一些常见应用场景及其示例代码。

应用场景

  1. 排行榜
    • 场景: 存储和管理排行榜数据，如游戏得分排行榜。
    • 示例: 游戏玩家得分排行榜。
  2. 延时队列
    • 场景: 实现基于时间的任务调度。
    • 示例: 定时任务执行。
  3. 推荐系统
    • 场景: 根据权重推荐内容，如推荐文章或商品。
    • 示例: 根据点击率推荐文章。
  4. 优先级队列
    • 场景: 存储和管理不同优先级的任务。
    • 示例: 任务调度系统中的任务队列。

示例代码

1. 游戏玩家得分排行榜
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)leaderboard_key = 'game:leaderboard'# 添加玩家分数
r.zadd(leaderboard_key, {'Alice': 1000, 'Bob': 1500, 'Charlie': 1200})# 获取排行榜前 N 名
top_players = r.zrevrange(leaderboard_key, 0, 2, withscores=True)
print('Top players:')
for player, score in top_players:print(f'{player.decode()}: {score}')
2. 延时队列
import redis
import time# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)delay_queue_key = 'delay:queue'# 添加任务到延时队列，任务的执行时间为当前时间加上延迟时间（秒）
delay = 10  # 延迟10秒
task_id = 'task1'
execution_time = time.time() + delay
r.zadd(delay_queue_key, {task_id: execution_time})# 获取并执行到期的任务
while True:now = time.time()tasks = r.zrangebyscore(delay_queue_key, 0, now)if tasks:for task in tasks:print(f'Executing {task.decode()}')r.zrem(delay_queue_key, task)time.sleep(1)
3. 根据点击率推荐文章
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)article_clicks_key = 'articles:clicks'# 添加文章点击率
r.zadd(article_clicks_key, {'article1': 100, 'article2': 150, 'article3': 120})# 获取点击率最高的前 N 篇文章
top_articles = r.zrevrange(article_clicks_key, 0, 2, withscores=True)
print('Top articles:')
for article, clicks in top_articles:print(f'{article.decode()}: {clicks}')
4. 任务调度系统中的优先级队列
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)priority_queue_key = 'priority:queue'# 添加任务到优先级队列，分数代表优先级，分数越高优先级越高
r.zadd(priority_queue_key, {'task1': 1, 'task2': 3, 'task3': 2})# 获取并处理优先级最高的任务
while True:task = r.zrevrange(priority_queue_key, 0, 0)if task:task_id = task[0]print(f'Processing {task_id.decode()}')r.zrem(priority_queue_key, task_id)else:break

6. 位图（Bitmaps）

位图（Bitmap）在 Redis 中是一种高效的按位存储数据的方式，主要用于处理需要进行按位操作的场景。以下是位图的一些常见应用场景及其示例代码。

应用场景

  1. 用户签到
    • 场景: 记录用户每天的签到情况。
    • 示例: 记录用户每月的签到信息。
  2. 在线状态统计
    • 场景: 记录用户是否在线的状态。
    • 示例: 记录用户每天的在线状态。
  3. 活动记录
    • 场景: 记录用户在某个时间段内的活动情况。
    • 示例: 记录用户每小时的活动状态。
  4. A/B 测试分组
    • 场景: 将用户分为不同的实验组进行 A/B 测试。
    • 示例: 将用户随机分配到两个不同的实验组。

示例代码

1. 用户签到
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)user_id = 'user:1000'
sign_key = f'{user_id}:sign'# 用户在某天签到，例如第5天
day = 5
r.setbit(sign_key, day, 1)# 检查用户在某天是否签到
is_signed = r.getbit(sign_key, day)
print(f'用户在第{day}天是否签到：{"是" if is_signed else "否"}')# 统计用户总签到天数
total_sign_days = r.bitcount(sign_key)
print(f'用户总共签到天数：{total_sign_days}')
2. 在线状态统计
import redis
import time# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)online_key = 'user:online_status'
user_id = 1000# 假设每个时间片为10分钟
time_slot = int(time.time() // 600)# 设置用户在线状态
r.setbit(f'{online_key}:{user_id}', time_slot, 1)# 检查用户在某个时间片是否在线
is_online = r.getbit(f'{online_key}:{user_id}', time_slot)
print(f'用户在时间片{time_slot}是否在线：{"是" if is_online else "否"}')# 统计用户总在线时间片数
total_online_slots = r.bitcount(f'{online_key}:{user_id}')
print(f'用户总共在线时间片数：{total_online_slots}')
3. 用户活动记录
import redis
import time# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)activity_key = 'user:activity'
user_id = 1000# 假设每个时间片为1小时
time_slot = int(time.time() // 3600)# 设置用户活动状态
r.setbit(f'{activity_key}:{user_id}', time_slot, 1)# 检查用户在某个时间片是否有活动
is_active = r.getbit(f'{activity_key}:{user_id}', time_slot)
print(f'用户在时间片{time_slot}是否有活动：{"是" if is_active else "否"}')# 统计用户总活动时间片数
total_active_slots = r.bitcount(f'{activity_key}:{user_id}')
print(f'用户总共活动时间片数：{total_active_slots}')
4. A/B 测试分组
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)ab_test_key = 'ab_test:group'
user_id = 1000# 将用户分配到组A（0）或组B（1）
import random
group = random.choice([0, 1])
r.setbit(ab_test_key, user_id, group)# 检查用户所属的组
user_group = r.getbit(ab_test_key, user_id)
print(f'用户 {user_id} 属于组 {"A" if user_group == 0 else "B"}')

7. HyperLogLog

HyperLogLog 是 Redis 中的一种用于基数（唯一值）统计的数据结构，能够在极小的内存占用下提供高精度的基数估计。它特别适用于需要快速计算大量数据集唯一元素数量的场景。

应用场景

  1. 网站独立访客统计（UV）
    • 场景: 统计网站的独立访客数量。
    • 示例: 每天、每月的独立访客数。
  2. 实时去重统计
    • 场景: 统计实时数据流中的唯一元素数量。
    • 示例: 实时分析中统计唯一用户数或事件数。
  3. 社交网络的好友数
    • 场景: 统计用户在社交网络中有多少唯一好友。
    • 示例: 统计用户的唯一好友数量。
  4. 在线广告的展示
    • 场景: 统计广告的独立展示数量。
    • 示例: 统计某广告在一段时间内的独立展示用户数。

示例代码

以下示例展示了如何使用 Redis 的 HyperLogLog 进行基数统计。

1. 网站独立访客统计
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)uv_key = 'website:uv'# 模拟添加每日访客
daily_visitors = ['user1', 'user2', 'user3', 'user4', 'user5']
for visitor in daily_visitors:r.pfadd(uv_key, visitor)# 获取独立访客数量
uv_count = r.pfcount(uv_key)
print(f'独立访客数量：{uv_count}')
2. 实时去重统计
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)unique_events_key = 'events:unique'# 模拟添加实时事件
events = ['event1', 'event2', 'event3', 'event4', 'event1']
for event in events:r.pfadd(unique_events_key, event)# 获取唯一事件数量
unique_events_count = r.pfcount(unique_events_key)
print(f'唯一事件数量：{unique_events_count}')
3. 社交网络的好友数统计
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)user_id = 'user:1000'
friends_key = f'{user_id}:friends'# 模拟添加好友
friends = ['friend1', 'friend2', 'friend3', 'friend4', 'friend5', 'friend1']
for friend in friends:r.pfadd(friends_key, friend)# 获取唯一好友数量
unique_friends_count = r.pfcount(friends_key)
print(f'用户 {user_id} 的唯一好友数量：{unique_friends_count}')
4. 在线广告的独立展示统计
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)ad_key = 'ad:display:unique'# 模拟添加广告展示
displays = ['user1', 'user2', 'user3', 'user4', 'user2']
for display in displays:r.pfadd(ad_key, display)# 获取广告的独立展示数量
unique_displays_count = r.pfcount(ad_key)
print(f'广告的独立展示数量：{unique_displays_count}')

8. 地理空间（Geospatial）

Redis 的地理空间（Geospatial）数据类型允许存储地理位置信息，并且可以执行各种地理空间操作，如半径查询和位置距离计算。以下是地理空间的一些常见应用场景及其示例代码。

应用场景

  1. 附近地点搜索
    • 场景: 查找某个位置附近的地点，如餐馆、加油站、酒店等。
    • 示例: 查找用户当前位置附近的餐馆。
  2. 地理围栏
    • 场景: 检查某个位置是否在指定区域内。
    • 示例: 判断车辆是否在指定的城市区域内。
  3. 位置存储与检索
    • 场景: 存储和检索实体的位置数据，如用户位置、设备位置等。
    • 示例: 存储和检索快递员的位置。
  4. 距离计算
    • 场景: 计算两个位置之间的距离。
    • 示例: 计算用户与商店之间的距离。

示例代码

以下示例展示了如何使用 Redis 的地理空间数据类型进行地理位置存储、附近地点搜索和距离计算。

1. 存储地理位置信息
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)geo_key = 'locations'# 添加地理位置信息
r.geoadd(geo_key, 13.361389, 38.115556, 'Palermo')
r.geoadd(geo_key, 15.087269, 37.502669, 'Catania')# 获取地理位置信息
locations = r.geopos(geo_key, 'Palermo', 'Catania')
print('Locations:')
for loc in locations:print(loc)
2. 查找附近地点
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)geo_key = 'locations'# 添加地理位置信息
r.geoadd(geo_key, 13.361389, 38.115556, 'Palermo')
r.geoadd(geo_key, 15.087269, 37.502669, 'Catania')
r.geoadd(geo_key, 13.583333, 37.316667, 'Agrigento')# 查找某个位置附近的地点
nearby_locations = r.georadius(geo_key, 15.0, 37.5, 100, unit='km')
print('Nearby locations within 100 km:')
for loc in nearby_locations:print(loc.decode())
3. 计算两个地点之间的距离
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)geo_key = 'locations'# 添加地理位置信息
r.geoadd(geo_key, 13.361389, 38.115556, 'Palermo')
r.geoadd(geo_key, 15.087269, 37.502669, 'Catania')# 计算两个位置之间的距离
distance = r.geodist(geo_key, 'Palermo', 'Catania', unit='km')
print(f'Distance between Palermo and Catania: {distance} km')
4. 检查某个位置是否在指定区域内（地理围栏）
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)geo_key = 'locations'# 添加地理位置信息
r.geoadd(geo_key, 13.361389, 38.115556, 'Palermo')
r.geoadd(geo_key, 15.087269, 37.502669, 'Catania')# 检查某个位置是否在指定半径内
radius = 100  # 单位：千米
center_location = (15.0, 37.5)
locations_within_radius = r.georadius(geo_key, center_location[0], center_location[1], radius, unit='km')# 检查某个位置是否在结果列表中
target_location = 'Catania'
is_within_radius = target_location.encode() in locations_within_radius
print(f'{target_location} 是否在 {radius} km 半径内: {"是" if is_within_radius else "否"}')

9. 流（Streams）

Redis 的流（Streams）数据类型是一种高效的日志和消息存储数据结构，适用于实时数据处理。以下是流的一些常见应用场景及其示例代码。

应用场景

  1. 实时日志收集
    • 场景: 收集和处理实时日志数据。
    • 示例: 应用程序或系统的日志收集。
  2. 消息队列
    • 场景: 实现消息队列，用于任务分发和处理。
    • 示例: 任务处理系统中的任务队列。
  3. 事件溯源
    • 场景: 记录系统或应用程序中的事件，支持事件重放和追踪。
    • 示例: 用户行为事件溯源。
  4. 实时分析
    • 场景: 收集和分析实时数据流。
    • 示例: 实时数据分析和监控系统。

示例代码

以下示例展示了如何使用 Redis 的流数据类型进行数据添加、读取和消费。

1. 添加日志消息到流
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)stream_key = 'mystream'# 添加日志消息到流
r.xadd(stream_key, {'event': 'login', 'user': 'alice'})
r.xadd(stream_key, {'event': 'purchase', 'user': 'bob', 'amount': '100'})
r.xadd(stream_key, {'event': 'logout', 'user': 'alice'})print('日志消息已添加到流中。')
2. 读取流中的消息
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)stream_key = 'mystream'# 读取流中的消息
entries = r.xrange(stream_key, count=10)
print('读取流中的消息:')
for entry in entries:entry_id, fields = entryprint(f'ID: {entry_id}')for field, value in fields.items():print(f'  {field.decode()}: {value.decode()}')
3. 消费流中的消息
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)stream_key = 'mystream'
group_name = 'mygroup'
consumer_name = 'consumer1'# 创建消费者组
try:r.xgroup_create(stream_key, group_name, id='0', mkstream=True)
except redis.exceptions.ResponseError as e:if 'BUSYGROUP Consumer Group name already exists' not in str(e):raise# 消费流中的消息
entries = r.xreadgroup(group_name, consumer_name, {stream_key: '>'}, count=10)
print('消费流中的消息:')
for stream, messages in entries:for message in messages:message_id, fields = messageprint(f'ID: {message_id}')for field, value in fields.items():print(f'  {field.decode()}: {value.decode()}')# 确认消息处理完毕
for stream, messages in entries:for message in messages:message_id, _ = messager.xack(stream_key, group_name, message_id)
4. 处理未确认的消息
import redis# 连接到本地的 Redis 服务
r = redis.Redis(host='localhost', port=6379, db=0)stream_key = 'mystream'
group_name = 'mygroup'
consumer_name = 'consumer1'# 获取未确认的消息
pending_entries = r.xpending(stream_key, group_name)
print('未确认的消息:')
for entry in pending_entries['consumers']:print(f'消费者: {entry["name"]}, 未确认的消息数: {entry["pending"]}')# 读取并处理未确认的消息
entries = r.xreadgroup(group_name, consumer_name, {stream_key: '0'}, count=10)
print('处理未确认的消息:')
for stream, messages in entries:for message in messages:message_id, fields = messageprint(f'ID: {message_id}')for field, value in fields.items():print(f'  {field.decode()}: {value.decode()}')# 确认消息处理完毕r.xack(stream_key, group_name, message_id)

关于ArchManual

https://archmanual.com

https://github.com/yingqiangh/ArchManual

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/421752.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

SQL(结构性查询语句）

SQL(结构性查询语句）

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言一、SQL是什么？二、DDL三、DML四、DQL五、DCL总结 提示：以下是本篇文章正文内容，下面案例可供参考 一、SQL是什么&#xff…
阅读更多...
Linux之Shell编程规范与变量

Linux之Shell编程规范与变量

Shell编程规范与变量 本章结构 Shel脚本概述 Shell的作用Shel编程规范重定向与管道 Shell脚本变量 自定义变量特殊变量 Shel脚本概述 Shel脚本的概念 将要执行的命令按顺序保存到一个文本文件给该文件可执行权限可结合各种Shell控制语句以完成更复杂的操作 Shel脚本应…
阅读更多...
二叉树（中）

二叉树（中）

目录 二叉树的基本操作 设置基本变量 获取树中结点的个数 获取叶子结点个数 获取第K层结点的个数 获取二叉树高度 检测值为value的元素是否存在 二叉树的基本操作 如果需要了解树和二叉树的基本内容，可以转至：二叉树（上）-CSDN…
阅读更多...
[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单，下文中以翻译的口吻记录，比如替换"作者"为"我们"。 大语言模型已被广泛采用，但推理时需要大量的GPU内…
阅读更多...
CentOS7 使用yum报错：[Errno 14] HTTP Error 404 - Not Found 正在尝试其它镜像。

CentOS7 使用yum报错：[Errno 14] HTTP Error 404 - Not Found 正在尝试其它镜像。

CentOS7 使用yum报错：[Errno 14] HTTP Error 404 - Not Found 正在尝试其它镜像。 CentOS镜像下载、VM虚拟机下载 下载地址：www.macfxb.cn 一、问题描述 安装完CentOS7 后 使用yum报错 如下图 二、解决方案 1.查看自己的系统架构 我的是aarch64 uname …
阅读更多...
CCPC赛后补题-线性基

CCPC赛后补题-线性基

模板题：https://www.luogu.com.cn/problem/P3812 线性基可以用一个长度为$ \log_2N $的数组描述值域[1,N]，0的情况需要特判。 一个长度为64的线性基可以描述所有的64位整数。 在2024年CCPC网络赛中，考到了线性基。没学过，追悔莫…
阅读更多...
Vulnhub靶场 DC-2

Vulnhub靶场 DC-2

靶机地址:https://www.vulnhub.com/entry/dc-2,311/ 导入到VMware里面去, 设置NAT模式 namp扫描一下c段获取ip地址, 然后再扫描ip地址获取详细的信息 得到ip 192.168.75.134 无法访问 按照下面这个方法可以访问了 在kali上的处理 flag1 网站上就存在 提示了一个cewl工具,…
阅读更多...
特斯拉的底牌

特斯拉的底牌

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领…
阅读更多...
对抗性EM用于变分深度学习：在低剂量PET和低剂量CT中的半监督图像质量增强应用|文献速递--Transformer架构在医学影像分析中的应用

对抗性EM用于变分深度学习：在低剂量PET和低剂量CT中的半监督图像质量增强应用|文献速递--Transformer架构在医学影像分析中的应用

Title 题目 Adversarial EM for variational deep learning: Application to semi-supervised image quality enhancement in low-dose PET and low-dose CT 对抗性EM用于变分深度学习：在低剂量PET和低剂量CT中的半监督图像质量增强应用 01 文献速递介绍 医学影…
阅读更多...
【MySQL】从0开始在Centos 7环境安装MySQL

【MySQL】从0开始在Centos 7环境安装MySQL

🦄个人主页:修修修也 🎏所属专栏:MySQL ⚙️操作环境:Xshell (操作系统:CentOS 7.9 64位) 目录 准备步骤 卸载原有环境 安装步骤 获取MySQL官方yum源 安装MySQL yum源 结语 准备步骤 卸载原有环境 第一步登录云服务器(注意安装yum需要在root身份下…
阅读更多...
CC工具箱使用指南：【字段计算器学习版】

CC工具箱使用指南：【字段计算器学习版】

一、简介 这个工具算是Pro自带的字段计算器的扩展版。 工具预制了几种计算模式，通过可视化操作，帮你自动生成代码。 生成代码后，可以直接运行，也可以将代码复制到Pro自带的字段计算器中进行计算。 总之，这是给不会…
阅读更多...
基于准静态自适应环型缓存器(QSARC)的taskBus万兆吞吐实现

基于准静态自适应环型缓存器(QSARC)的taskBus万兆吞吐实现

文章目录 概要整体架构流程技术名词解释技术细节1. 数据结构2. 自适应计算队列大小3. 生产者拼接缓存4. 高效地通知消费者 小结1. 性能表现情况2. 主要改进和局限3. 源码和发行版 概要 准静态自适应环形缓存器（Quasi-Static Adaptive Ring Cache）是task…
阅读更多...
【R语言】删除数据框中所有行中没有大于200的数值的行

【R语言】删除数据框中所有行中没有大于200的数值的行

在Perl中还需要循环按行读入文件&#xff0c;而在R中&#xff0c;一行代码解决问题&#xff1a; df <- df[apply(df, 1, function(x) any(x > 200)), ]这是一个使用apply函数对数据框df进行操作的表达式。apply函数用于对数据框、矩阵或数组进行元素级别的操作。 df&am…
阅读更多...
LINQ 和 LINQ扩展方法 (1)

LINQ 和 LINQ扩展方法 (1)

LINQ函数概念&#xff1a; LINQ&#xff08;Language Integrated Query&#xff09;是一种C#语言中的查询技术&#xff0c;它允许我们在代码中使用类似SQL的查询语句来操作各种数据源。这些数据源可以是集合、数组、数据库、XML文档等等。LINQ提供了一种统一的编程模型&#x…
阅读更多...
C++ Qt开发：运用QJSON模块解析数据

C++ Qt开发：运用QJSON模块解析数据

转载C Qt开发&#xff1a;运用QJSON模块解析数据-阿里云开发者社区 Qt 是一个跨平台C图形界面开发库&#xff0c;利用Qt可以快速开发跨平台窗体应用程序&#xff0c;在Qt中我们可以通过拖拽的方式将不同组件放到指定的位置&#xff0c;实现图形化开发极大的方便了开发效率&…
阅读更多...
OpenHarmony鸿蒙（ Beta5.0）智能门铃开发实践

OpenHarmony鸿蒙（ Beta5.0）智能门铃开发实践

鸿蒙开发往期必看&#xff1a; 一分钟了解”纯血版&#xff01;鸿蒙HarmonyOS Next应用开发&#xff01; “非常详细的” 鸿蒙HarmonyOS Next应用开发学习路线&#xff01;&#xff08;从零基础入门到精通&#xff09; “一杯冰美式的时间” 了解鸿蒙HarmonyOS Next应用开发路…
阅读更多...
[Web安全 网络安全]-文件包含漏洞

[Web安全 网络安全]-文件包含漏洞

文章目录&#xff1a; 一&#xff1a;前言 1.什么是文件包含漏洞 2.文件包含漏洞的成因 3.文件包含漏洞的分类 4.文件包含漏洞的防御策略 5.文件包含函数&#xff08;触发点Sink&#xff09; 6.环境 6.1 靶场 6.2 其他工具 二&#xff1a;文件包含LFI labs靶场实验…
阅读更多...
GD32E230 RTC报警中断功能使用

GD32E230 RTC报警中断功能使用

GD32E230 RTC报警中断使用 GD32E230 RTC时钟源有3个&#xff0c;一个是内部RC振动器产生的40KHz作为时钟源&#xff0c;或者是有外部32768Hz晶振.,或者外部高速时钟晶振分频作为时钟源。 &#x1f516;个人认为最难理解难点的就是有关RTC时钟异步预分频和同步预分频的计算。在对…
阅读更多...
图神经网络介绍3

图神经网络介绍3

1. 图同构网络&#xff1a;Weisfeiler-Lehman 测试与图神经网络的表达力 本节介绍一个关于图神经网络表达力的经典工作&#xff0c;以及随之产生的另一个重要的模型——图同构网络。图同构问题指的是验证两个图在拓扑结构上是否相同。Weisfeiler-Lehman 测试是一种有效的检验两…
阅读更多...
python-数字反转

python-数字反转

题目描述 给定一个整数 N&#xff0c;请将该数各个位上数字反转得到一个新数。新数也应满足整数的常见形式&#xff0c;即除非给定的原数为零&#xff0c;否则反转后得到的新数的最高位数字不应为零&#xff08;参见样例 2&#xff09;。 输入格式 一个整数 N。 输出格式 …
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023