使用 Python 配合 Redis 超越缓存

../_images/python-code.jpg

本文由黄健宏翻译自 RedisLabs.com/blog ,首发于 blog.huangz.me

如果你是一位 Python 开发者, 那么你肯定使用过 Redis , 并且认为它是一个很棒的缓存。 虽然你的印象没有错, Redis 的确是一个很棒的缓存, 但使用 Redis 能够解决的问题并不仅限于缓存。

我们将探索 Redis 和 Redis Enterprise 的一些其他用途。 为了找点乐子, 我将使用之前《使用 Redis 储存地理位置数据》一文中的大脚兽(Bigfoot)数据。 此外, 由于这篇文章的读者都是 Python 开发者, 所以我将使用 Python 来编写本文的所有代码!

我在接下来展示的代码中使用了 aioredis 客户端库, 因为它对 async/await 提供了非常棒的支持。 如果你对 async/await 不熟悉的话, 那么可以去看看这篇文章, 里面提到了 async/await 对提升性能的帮助。

使用 Redis 构建队列

Redis 提供了字符串、哈希、集合和列表等多种数据结构可供使用。 这些数据结构都是储存数据的好帮手, 其中列表就可以用作一个非常棒的队列(queue)。

为了将列表用作队列, 我们需要使用 RPUSH 将新项目推送至列表末尾, 然后使用 LPOP 或者 BLPOP 将它们从列表的前面弹出。 由于 Redis 对数据库的所有修改都是在单个线程里面完成的, 所以这些操作都是原子的。

../_images/redis-as-queue.png

作为例子, 下面这段在队列里面添加了一些大脚兽的踪迹。

 1 import asyncio
 2 import aioredis
 3
 4 async def main():
 5
 6   redis = await aioredis.create_redis('redis://:foobared@localhost:6379/0', encoding='utf-8')
 7
 8   await asyncio.gather(
 9     add_to_queue(redis, 'Possible vocalizations east of Makanda'),
10     add_to_queue(redis, 'Sighting near the Columbia River'),
11     add_to_queue(redis, 'Chased by a tall hairy creature')
12   )
13
14   redis.close()
15   await redis.wait_closed()
16
17 def add_to_queue(redis, message):
18   return redis.rpush('bigfoot:sightings:received', message)
19
20 asyncio.run(main())

这个程序非常直接。 我们只需要在第 18 行调用 redis.rpush , 就能够将指定的元素推入到队列。 接下来是从队列另一端读取元素的代码, 同样非常简单。

 1 import asyncio
 2 import aioredis
 3
 4 from pprint import pp
 5
 6 async def main():
 7
 8   redis = await aioredis.create_redis('redis://:foobared@localhost:6379/0', encoding='utf-8')
 9
10   while True:
11     sighting = await redis.blpop('bigfoot:sightings:received')
12     pp(sighting)
13
14 asyncio.run(main())

第 11 行和第 12 行的无限循环将等待并且打印被推入至队列中的大脚兽踪迹。 这里使用了 redis.blpop 而不是 redis.lpop , 因为前者可以阻塞客户端并等待列表中的元素返回。 比起让 Redis 和 Python 代码之间的网络无休止地轮询并做无用功, 让客户端阻塞并等待元素出现的做法会高效得多。

Redis 还有一些同样很酷的命令, 它们不仅可以将列表用作队列甚至堆栈。 我最喜欢的是 BRPOPLPUSH , 它可以从列表的右侧阻塞并弹出一些元素, 然后将被弹出的元素推入到另一个列表。 你可以使用这个命令来将一个队列中的元素传递至另一个队列, 这是非常棒的一个命令。

使用 Redis 订阅和发送事件

Redis 提供的东西中有些并不是数据结构, 比如订阅与发布(Pub/Sub)特性就是其中之一。 这个特性就像它的名字一样, 是一个内置于 Redis 中的发布与订阅机制。 得益于这个特性, 我们只需要使用一些命令就可以在自己的 Python 应用里面添加强大的订阅与发布机制。

通过执行订阅操作可以让我们发现事件, 以下是代码:

 1 import asyncio
 2 import aioredis
 3
 4 from pprint import pp
 5
 6 async def main():
 7
 8   redis = await aioredis.create_redis('redis://:foobared@localhost:6379/0', encoding='utf-8')
 9
10   [channel] = await redis.psubscribe('bigfoot:broadcast:channel:*')
11
12   while True:
13     message = await channel.get()
14     pp(message)
15
16 asyncio.run(main())

因为我想要接收所有跟大脚兽有关的消息, 所以我在这段代码的第 10 行使用 redis.psubscribe 订阅了一个 Glob 风格的模式, 通过使用 bigfoot:broadcast:channel:* 作为模式, 客户端将接收到所有以 bigfoot:broadcast:channel: 开头的事件。

用于匹配模式的 redis.psubscribe 函数和非模式匹配的 redis.subscribe 函数都返回 Python 列表, 以便包含不定数量的元素。 程序将解构这个列表(Python 的术语是解包)以获得我想要的通道, 并在之后使用 .get 进行阻塞调用以等待下一条消息。

发布事件非常简单, 下面是代码:

 1 import asyncio
 2 import aioredis
 3
 4 async def main():
 5
 6   redis = await aioredis.create_redis('redis://:foobared@localhost:6379/0', encoding='utf-8')
 7
 8   await asyncio.gather(
 9     publish(redis, 1, 'Possible vocalizations east of Makanda'),
10     publish(redis, 2, 'Sighting near the Columbia River'),
11     publish(redis, 2, 'Chased by a tall hairy creature')
12   )
13
14   redis.close()
15   await redis.wait_closed()
16
17 def publish(redis, channel, message):
18   return redis.publish(f'bigfoot:broadcast:channel:{channel}', message)
19
20 asyncio.run(main())

这段代码的重点是第 18 行, 它使用了名字非常直接的 redis.publish 来讲消息发布至所需的通道。

值得注意的是, 发布与订阅是一个发送即遗忘机制(fire-and-forget)。 如果代码发布了一个事件但是却没有人监听, 那么该事件就会消失。 如果你想让自己的事件持续存在, 那么可以考虑使用前面提到的队列, 又或者接下来将要介绍的 Redis 流。

使用 Redis 储存数据流

除了发布与订阅之外, Redis 还可以使用流来发布和订阅事件。 Redis 流是一个非常大的话题, 但使用它只需要掌握少量命令。 从 Python 来看, 这些命令的用法都是非常简单的, 我将一一向你说明。

下面的代码将把三次大脚兽的目击事件添加到流里面。

 1 import asyncio
 2 import aioredis
 3
 4 async def main():
 5
 6   redis = await aioredis.create_redis('redis://:foobared@localhost:6379/0', encoding='utf-8')
 7
 8   await asyncio.gather(
 9     add_to_stream(redis, 1, 'Possible vocalizations east of Makanda', 'Class B'),
10     add_to_stream(redis, 2, 'Sighting near the Columbia River', 'Class A'),
11     add_to_stream(redis, 3, 'Chased by a tall hairy creature', 'Class A'))
12
13   redis.close()
14   await redis.wait_closed()
15
16 def add_to_stream(redis, id, title, classification):
17   return redis.xadd('bigfoot:sightings:stream', {
18     'id': id, 'title': title, 'classification': classification })
19
20 asyncio.run(main())

这段代码中最重要的就是第 17 行和第 18 行, 它使用了 redis.xadd 函数将一次目击事件的字段添加到流里面。

每个新添加的流事件都有一个唯一标识符, 其中包含自 1970 年开始的时间戳(毫秒)和一个用破折号连接的序列号。 例如, 当我写这篇文章的时候, 1970 年 1 月 1 日(Unix纪元)午夜已经过去了 1,593,120,357,193 毫秒(1.59千兆秒)。 因此当我运行上面这段代码的时候, 命令将创建出 ID 为 1593120357193-0 的事件。

../_images/event-id.png

我们在添加事件的时候可以使用 * 来代替具体的 ID , 这样 Redis 就会根据当前时间来自动生成事件的 ID , 这也是 redis.xadd 函数的默认行为。

正如接下来的代码所示, 在读取流元素的时候, 我们需要设置一个起始 ID 。 你可以看到, 在第 10 行, 程序将变量 last_id 设置成了 0-0 , 这个 ID 代表流的起始位置。

 1 import asyncio
 2 import aioredis
 3
 4 from pprint import pp
 5
 6 async def main():
 7
 8   redis = await aioredis.create_redis('redis://:foobared@localhost:6379/0', encoding='utf8')
 9
10   last_id = '0-0'
11   while True:
12     events = await redis.xread(['bigfoot:sightings:stream'], timeout=0, count=5, latest_ids=[last_id])
13     for key, id, fields in events:
14       pp(fields)
15       last_id = id
16
17 asyncio.run(main())

程序的第 12 行使用 redis.xread 函数从流中请求最多 5 个 0-0 之后的事件。 该调用将返回一个列表, 然后程序将对其进行循环和解构, 以获得事件的字段和标识符。 事件的标识符会被储存起来, 以便将来调用 redis.xread 时可以获得新的事件并在有需要时重新读取之前读取过的旧事件。

将 Redis 用作搜索引擎

Redis 可以通过模块(Module)扩展来增加新的命令和功能。 有大量的模块可以用于 AI 模型服务、图形数据库、时间序列数据库以及本例中的搜索引擎。

RedisSearch 是一个强大的搜索引擎, 它摄取数据的速度快得惊人。 有些人喜欢用它来进行瞬时搜索, 但除此之外它也可以用来进行其他搜索。 下面是使用该模块的一个例子:

 1 import asyncio
 2 import aioredis
 3
 4 from pprint import pp
 5
 6 async def main():
 7
 8   redis = await aioredis.create_redis('redis://:foobared@localhost:6379/0', encoding='utf-8')
 9
10   await redis.execute('FT.DROP', 'bigfoot:sightings:search')
11
12   await redis.execute('FT.CREATE', 'bigfoot:sightings:search',
13     'SCHEMA', 'title', 'TEXT', 'classification', 'TEXT')
14
15   await asyncio.gather(
16     add_document(redis, 1, 'Possible vocalizations east of Makanda', 'Class B'),
17     add_document(redis, 2, 'Sighting near the Columbia River', 'Class A'),
18     add_document(redis, 3, 'Chased by a tall hairy creature', 'Class A'))
19
20   results = await search(redis, 'chase|east')
21   pp(results)
22
23   redis.close()
24   await redis.wait_closed()
25
26 def add_document(redis, id, title, classification):
27   return redis.execute('FT.ADD', 'bigfoot:sightings:search', id, '1.0',
28     'FIELDS', 'title', title, 'classification', classification)
29
30 def search(redis, query):
31   return redis.execute('FT.SEARCH', 'bigfoot:sightings:search', query)
32
33 asyncio.run(main())

在第 12 和第 13 行, 程序使用 FT.CREATE 创建了一个索引。 索引需要描述程序将要添加的每个文档中的字段的模式。 在这个例子中, 程序需要添加大脚兽的目击事件, 该文档包含一个标题和一个分类, 并且它们都是文本字段。

在拥有了索引之后, 程序就可以向里面添加文档了, 这一操作发生在程序的第 27 行和第 28 行, 通过 FT.ADD 命令来完成。 每个文档偶读需要一个唯一 ID 、一个介于 0.01.0 之间的权重(rank)以及相应的字段。

正如程序的第 31 行所示, 在索引加载文档之后, 程序就可以使用 FT.SEARCH 命令和具体的查询语句来执行查询操作。 第 20 行的特定查询指示 RedisSearch 在索引中查找包含这些术语之一的文档。 在这个例子中, 该查询将返回两个文档。

使用 Redis 作为主数据库

Redis 可以作为一个速度奇快的内存存储数据库来使用。 下面的代码使用了哈希来演示这种用法。 哈希是一种非常棒的数据结构, 它可以建模你想要储存的记录类型, 并且能够将数据的主键用作键名的其中一部分。

 1 import asyncio
 2 import aioredis
 3
 4 from pprint import pp
 5
 6 async def main():
 7
 8   redis = await aioredis.create_redis('redis://:foobared@localhost:6379/0', encoding='utf-8')
 9
10   await asyncio.gather(
11     add_sighting(redis, 1, 'Possible vocalizations east of Makanda', 'Class B'),
12     add_sighting(redis, 2, 'Sighting near the Columbia River', 'Class A'),
13     add_sighting(redis, 3, 'Chased by a tall hairy creature', 'Class A'))
14
15   sightings = await asyncio.gather(
16     read_sighting(redis, 1),
17     read_sighting(redis, 2),
18     read_sighting(redis, 3))
19
20   pp(sightings)
21
22   redis.close()
23   await redis.wait_closed()
24
25 def add_sighting(redis, id, title, classification):
26   return redis.hmset(f'bigfoot:sighting:{id}',
27     'id', id, 'title', title, 'classification', classification)
28
29 def read_sighting(redis, id):
30   return redis.hgetall(f'bigfoot:sighting:{id}')
31
32 asyncio.run(main())
../_images/redis-hash.png

你可能会这样想”如果我把服务器关掉了怎么办?如果它崩溃了怎么办?那我就什么数据都没有了!“ No,不会的! 你可以修改你的 redis.conf 文件, 用几种不同的方式来持久化内存中的数据。 此外, 如果你使用的是 Redis Enterprise , 我们也有为你提供相应的解决方案, 使得你可以直接使用 Redis 而不必担心持久化的问题。

亲手尝试一下

为了方便你亲手尝试这些例子, 我把文中涉及的所有代码都放到了 GitHub 上面, 你可以克隆并开始使用它们。 如果你是 Docker 用户, 项目里面也有一个名为 start-redis.sh 的 shell 脚本, 它可以拉取一个镜像, 然后启动一个能够运行这些例子的 Redis 版本。

如果你在玩耍完毕之后想要认真地构建一些软件, 那么可以注册并尝试 Redis Cloud Essentials 。 它和你所熟悉和喜欢的 Redis 一样, 唯一的区别就是这种 Redis 由云端进行管理, 所以你只需要专注于构建你的软件即可。

文/Guy Royse · 译/黄健宏
2020.7.11