缓存数据库介绍
NoSQL(NoSQL = Not Only SQL), 意即 "不仅仅是 SQL", 泛指非关系型的数据库, 随着互联网 web2.0 网站的兴起, 传统的关系数据库在应付 web2.0 网站, 特别是超大规模和高并发的 SNS 类型的 web2.0 纯动态网站已经显得力不从心, 暴露了很多难以克服的问题, 而非关系型的数据库则由于其本身的特点得到了非常迅速的发展. NoSQL 数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战, 尤其是大数据应用难题.
NoSQL 数据库的四大分类
键值 (Key-Value) 存储数据库
这一类数据库主要会使用到一个哈希表, 这个表中有一个特定的键和一个指针指向特定的数据. Key/value 模型对于 IT 系统来说的优势在于简单, 易部署. 但是如果 DBA 只对部分值进行查询或更新的时候, Key/value 就显得效率低下了.[3] 举例如: Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB.
列存储数据库.
这部分数据库通常是用来应对分布式存储的海量数据. 键仍然存在, 但是它们的特点是指向了多个列. 这些列是由列家族来安排的. 如: Cassandra, HBase, Riak.
文档型数据库
文档型数据库的灵感是来自于 Lotus Notes 办公软件的, 而且它同第一种键值存储相类似. 该类型的数据模型是版本化的文档, 半结构化的文档以特定的格式存储, 比如 JSON. 文档型数据库可 以看作是键值数据库的升级版, 允许之间嵌套键值. 而且文档型数据库比键值数据库的查询效率更高. 如: CouchDB, MongoDb. 国内也有文档型数据库 SequoiaDB, 已经开源.
图形 (Graph) 数据库
图形结构的数据库同其他行列以及刚性结构的 SQL 数据库不同, 它是使用灵活的图形模型, 并且能够扩展到多个服务器上. NoSQL 数据库没有标准的查询语言(SQL), 因此进行数据库查询需要制定数据模型. 许多 NoSQL 数据库都有 REST 式的数据接口或者查询 API.[2] 如: Neo4J, InfoGrid, Infinite Graph.
因此, 我们总结 NoSQL 数据库在以下的这几种情况下比较适用: 1, 数据模型比较简单; 2, 需要灵活性更强的 IT 系统; 3, 对数据库性能要求较高; 4, 不需要高度的数据一致性; 5, 对于给定 key, 比较容易映射复杂值的环境.
NoSQL 数据库的四大分类表格分析
分类 Examples 举例 典型应用场景 数据模型 优点 缺点
键值(key-value)[3] Tokyo Cabinet/Tyrant, Redis, Voldemort, Oracle BDB 内容缓存, 主要用于处理大量数据的高访问负载, 也用于一些日志系统等等.[3] Key 指向 Value 的键值对, 通常用 hash table 来实现[3] 查找速度快 数据无结构化, 通常只被当作字符串或者二进制数据[3]
列存储数据库[3] Cassandra, HBase, Riak 分布式的文件系统 以列簇式存储, 将同一列数据存在一起 查找速度快, 可扩展性强, 更容易进行分布式扩展 功能相对局限
文档型数据库[3] CouchDB, MongoDb Web 应用(与 Key-Value 类似, Value 是结构化的, 不同的是数据库能够了解 Value 的内容) Key-Value 对应的键值对, Value 为结构化数据 数据结构要求不严格, 表结构可变, 不需要像关系型数据库一样需要预先定义表结构 查询性能不高, 而且缺乏统一的查询语法.
图形 (Graph) 数据库[3] Neo4J, InfoGrid, Infinite Graph 社交网络, 推荐系统等. 专注于构建关系图谱 图结构 利用图结构相关算法. 比如最短路径寻址, N 度关系查找等 很多时候需要对整个图做计算才能得出需要的信息, 而且这种结构不太好做分布式的集群方案.[3]
redis
介绍
redis 是业界主流的 key-value nosql 数据库之一. 和 Memcached 类似, 它支持存储的 value 类型相对更多, 包括 string(字符串),list(链表),set(集合),zset(sorted set -- 有序集合)和 hash(哈希类型). 这些数据类型都支持 push/pop,add/remove 及取交集并集和差集及更丰富的操作, 而且这些操作都是原子性的. 在此基础上, redis 支持各种不同方式的排序. 与 memcached 一样, 为了保证效率, 数据都是缓存在内存中. 区别的是 redis 会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件, 并且在此基础上实现了 master-slave(主从)同步.
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
要在 Ubuntu 上安装 Redis, 打开终端, 然后输入以下命令:
$sudo apt-get update
$sudo apt-get install redis-server
这将在您的计算机上安装 Redis
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.
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
String 操作
Hash 操作
List 操作
Set 操作
Sort Set 操作
管道
发布订阅
连接方式
1, 操作模式
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.
- import redis
- r = redis.Redis(host='10.211.55.4', port=6379)
- r.set('foo', 'Bar')
- print r.get('foo')
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.
操作
1. 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:
技术分享
- 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, value, time)
- # 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)
1
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
- 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
2. 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:
技术分享
- 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)
- # 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
- 3. list
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:
技术分享
- 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, value, num)
- # 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)
- # 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)
- # 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
4.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 对应集合的并集
- 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)
- # 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)
- 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
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
- 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'])
- zremrangebyrank(name, min, max)
- # 根据排行范围删除
- 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)
- # 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)
- 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)
- # 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))
- # 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)
- 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
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.
- #!/usr/bin/env python
- # -*- coding:utf-8 -*-
- import redis
- pool = redis.ConnectionPool(host='10.211.55.4', port=6379)
- r = redis.Redis(connection_pool=pool)
- # pipe = r.pipeline(transaction=False)
- pipe = r.pipeline(transaction=True)
- pipe.set('name', 'alex')
- pipe.set('role', 'sb')
- pipe.execute()
Python 操作 Redis
- sudo pip install redis
- or
- sudo easy_install redis
- or
源码安装
详见: https://github.com/WoLpH/redis-py
发布订阅
技术分享
订阅:
- import redis
- pool = redis.ConnectionPool(host='192.168.14.35', port=6379,password="Alex3714" ,db=1)
- r = redis.Redis(connection_pool=pool)
pub = r.pubsub() #打开收音机
- pub.subscribe("fm87.7") #调台
- pub.parse_response() #准备接收
- print("准备监听...")
- data = pub.parse_response() #正式接收
- print(data)
发布:
- import redis
- pool = redis.ConnectionPool(host='192.168.14.35', port=6379,password="Alex3714" ,db=1)
- r = redis.Redis(connection_pool=pool)
- r.publish("fm87.7", "big SB!")
什么时候用关系型数据库, 什么时候 用 NoSQL?
- Go for legacy relational databases (RDBMS) when:
- 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.
- 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).
- 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.
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).
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.
The use case is not for "high speed data ingestion".
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.
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.
- The use case is not for "storing enormous amounts of data in the range of petabytes".
- Go for NoSQL databases when:
- There is no fixed (and predetermined) schema that data fits in:
Scalability, Performance (high throughput and low operation latency), Continuous Availability are very important requirements to be met by the underlying architecture of database.
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.
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
来源: http://www.bubuko.com/infodetail-1953300.html