使用redis的轻量级、高可用性和可扩展的缓存解决方案
ring_redis的Python项目详细描述
ring redis
===
what for:
--
我想要一个使用redis的轻量级、高可用性和可扩展的缓存解决方案，但是nutcacker对于只有2或3个应用服务器和2或3个redis实例的系统来说太重了。使用纯python实现一致散列还不够好。所以我写了这个。我在2个项目中用过，到现在半年过去了，他们运行良好。因此，我为有相同需求的人分享它。
BR/>特征：
-BR/> BR/> -轻量级和纯Python解决方案
-自动弹出和重新发现ReISS节点
-O（log（SLICEX号））时间复杂度的一致散列计算。（SLICEXIONTION= MAX（2000, 200×NoDeIX号））.HbR/*-O（SLICEXO No.*log（SLICHEL号））Hash环重建的时间复杂度。使用“O（SLICEXO号））内存空间。
API列表：
< BR/> -ReDISCODIGT（ReDISIOBCOSS，前缀＝），KEY＝STR，Exurie=无，OnAuthOpRe=无，OnNoNoDyEJECTORCENET= NONE，ONNONDEYA重新发现= NONE，retry_ratio=1e-2，hash_function=crc32）`：构造一个redis_dict实例，它可以作为一个普通的python dict
-`some_redis_dict_instance.visit_redis（cmd，k，args）`：访问较低级别的redis api
-`一些redis dict`实例。get` entry（k）`：返回k的真正redis条目
-`一些redis dict`实例。alive`哈希（redis` entry）`：通过alive`哈希返回redis条目的节点名
-`一些redis dict`实例。total`哈希（redis` entry）`：通过total`哈希返回redis`条目的节点名
-`len(some_redis_dict_instance.alive_hash)`: return the alive nodes number
Install
---
### via pip
```shell
pip install ring_redis
```
### via source code
```shell
cd path/to/ring_redis
python setup.py install
```
How to use:
---
```python
################### your redis configuration #####################
REDIS_CONF = {
'group0' : {
'node0': {
'capacity': 50 * 1024 ** 2,
'connection': {
'host' : '192.168.230.45',
'port' : 15061,
'db': 0,
'socket_timeout': 5e-3,
},
},
'node1': {
'capacity': 50 * 1024 ** 2,
'connection': {
'host' : '192.168.230.46',
'port' : 15061,
'db': 0,
'socket_timeout': 5e-3,
},
},
},
}
############################ useage ##############################
from ring_redis import redis_dict
test = redis_dict(REDIS_CONF['group0'], prefix='test.', expire=20）
test['a']='abc'
print（“test['a']：%s”%（test['a']）
print（“len（test）：%s”%（len（test）））
print（“test.keys（）：%s”%（test.keys（）[：100]）
print（“a”在test中？：%s“%（“a”在测试中））
打印（“b”在测试中？：%s“%（测试中为“b”）
打印（“测试。访问redis（'incr'，'x'，1）：%s”%（测试。访问redis（'incr'，'x'，，）
print（test.get_entry（'x'）：%s“%（test.get_entry（'x'）））
print（test.total_散列（test.get_entry（'x'）））：%s“%（test.total_散列（test.get_entry（'x'）））））
print（test.alive_散列（test.get_entry（'x'））））
print（test.alive_entry（'x'））））：%s“%（test.alive_散列（test.get_entry（'x'）））））））））））））））））））/>--
-真正的redis条目等于dict键**只有当**`prefix+key（dict_key）==redis_entry`
-redis_conf**中的配置字段“socket_timeout”应该仔细选择**时，才需要自己做一些测试，以确定预期的时间（以秒为单位，具体取决于网络延迟&；带宽）对于最大的数据实例来说是必需的。
-python内置函数哈希既不一致也不均匀分布，因此**不要将其用作哈希函数。
-如果redis群集的非实例可用，则会引发异常“redisclusterunavailable”，您应该将'on_fail'作为redis_dict构造函数的参数传递，或者捕获此异常以**亲自处理此情况**。
===
what for:
--
我想要一个使用redis的轻量级、高可用性和可扩展的缓存解决方案，但是nutcacker对于只有2或3个应用服务器和2或3个redis实例的系统来说太重了。使用纯python实现一致散列还不够好。所以我写了这个。我在2个项目中用过，到现在半年过去了，他们运行良好。因此，我为有相同需求的人分享它。
BR/>特征：
-BR/> BR/> -轻量级和纯Python解决方案
-自动弹出和重新发现ReISS节点
-O（log（SLICEX号））时间复杂度的一致散列计算。（SLICEXIONTION= MAX（2000, 200×NoDeIX号））.HbR/*-O（SLICEXO No.*log（SLICHEL号））Hash环重建的时间复杂度。使用“O（SLICEXO号））内存空间。
API列表：
< BR/> -ReDISCODIGT（ReDISIOBCOSS，前缀＝），KEY＝STR，Exurie=无，OnAuthOpRe=无，OnNoNoDyEJECTORCENET= NONE，ONNONDEYA重新发现= NONE，retry_ratio=1e-2，hash_function=crc32）`：构造一个redis_dict实例，它可以作为一个普通的python dict
-`some_redis_dict_instance.visit_redis（cmd，k，args）`：访问较低级别的redis api
-`一些redis dict`实例。get` entry（k）`：返回k的真正redis条目
-`一些redis dict`实例。alive`哈希（redis` entry）`：通过alive`哈希返回redis条目的节点名
-`一些redis dict`实例。total`哈希（redis` entry）`：通过total`哈希返回redis`条目的节点名
-`len(some_redis_dict_instance.alive_hash)`: return the alive nodes number
Install
---
### via pip
```shell
pip install ring_redis
```
### via source code
```shell
cd path/to/ring_redis
python setup.py install
```
How to use:
---
```python
################### your redis configuration #####################
REDIS_CONF = {
'group0' : {
'node0': {
'capacity': 50 * 1024 ** 2,
'connection': {
'host' : '192.168.230.45',
'port' : 15061,
'db': 0,
'socket_timeout': 5e-3,
},
},
'node1': {
'capacity': 50 * 1024 ** 2,
'connection': {
'host' : '192.168.230.46',
'port' : 15061,
'db': 0,
'socket_timeout': 5e-3,
},
},
},
}
############################ useage ##############################
from ring_redis import redis_dict
test = redis_dict(REDIS_CONF['group0'], prefix='test.', expire=20）
test['a']='abc'
print（“test['a']：%s”%（test['a']）
print（“len（test）：%s”%（len（test）））
print（“test.keys（）：%s”%（test.keys（）[：100]）
print（“a”在test中？：%s“%（“a”在测试中））
打印（“b”在测试中？：%s“%（测试中为“b”）
打印（“测试。访问redis（'incr'，'x'，1）：%s”%（测试。访问redis（'incr'，'x'，，）
print（test.get_entry（'x'）：%s“%（test.get_entry（'x'）））
print（test.total_散列（test.get_entry（'x'）））：%s“%（test.total_散列（test.get_entry（'x'）））））
print（test.alive_散列（test.get_entry（'x'））））
print（test.alive_entry（'x'））））：%s“%（test.alive_散列（test.get_entry（'x'）））））））））））））））））））/>--
-真正的redis条目等于dict键**只有当**`prefix+key（dict_key）==redis_entry`
-redis_conf**中的配置字段“socket_timeout”应该仔细选择**时，才需要自己做一些测试，以确定预期的时间（以秒为单位，具体取决于网络延迟&；带宽）对于最大的数据实例来说是必需的。
-python内置函数哈希既不一致也不均匀分布，因此**不要将其用作哈希函数。
-如果redis群集的非实例可用，则会引发异常“redisclusterunavailable”，您应该将'on_fail'作为redis_dict构造函数的参数传递，或者捕获此异常以**亲自处理此情况**。
欢迎加入QQ群-->： 979659372
