#在Redis中设置值，默认不存在则创建，存在则修改

r.set('name', 'zhangsan')

'''参数：

     set(name, value, ex=None, px=None, nx=False, xx=False)

     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,同setnx(name, value)

     xx，如果设置为True，则只有name存在时，当前set操作才执行'''

setex(name, value, time)

#设置过期时间（秒）

psetex(name, time_ms, value)

#设置过期时间（豪秒）

#批量设置值

r.mset(name1='zhangsan', name2='lisi')

#或

r.mget({"name1":'zhangsan', "name2":'lisi'})

#批量获取

print(r.mget("name1","name2"))

#或

li=["name1","name2"]

print(r.mget(li))

#设置新值，打印原值

print(r.getset("name1","wangwu")) #输出:zhangsan

print(r.get("name1")) #输出:wangwu

#根据字节获取子序列

r.set("name","zhangsan")

print(r.getrange("name",0,3))#输出:zhan

#修改字符串内容，从指定字符串索引开始向后替换，如果新值太长时，则向后添加

r.set("name","zhangsan")

r.setrange("name",1,"z")

print(r.get("name")) #输出:zzangsan

r.setrange("name",6,"zzzzzzz")

print(r.get("name")) #输出:zzangszzzzzzz

#对二进制表示位进行操作

''' name:redis的name

    offset，位的索引（将值对应的ASCII码变换成二进制后再进行索引）

    value，值只能是 1 或 0 '''

str=""

r.set("name",str)

for i in str:

    print(i,ord(i),bin(ord(i)))#输出 值、ASCII码中对应的值、对应值转换的二进制

'''

输出:

    3 51 0b110011

    4 52 0b110100

    5 53 0b110101'''

r.setbit("name",6,0)#把第7位改为0，也就是3对应的变成了0b110001

print(r.get("name"))#输出：145

#获取name对应值的二进制中某位的值(0或1)

r.set("name","") # 对应的二进制0b110011

print(r.getbit("name",5))   #输出:0

print(r.getbit("name",6))   #输出:1

#获取对应二进制中1的个数

r.set("name","")#0b110011 0b110100 0b110101

print(r.bitcount("name",start=0,end=1)) #输出:7

''' key:Redis的name

    start:字节起始位置

    end:字节结束位置'''

#返回name对应值的字节长度（一个汉字3个字节）

r.set("name","zhangsan")

print(r.strlen("name")) #输出:8

#自增mount对应的值，当mount不存在时，则创建mount＝amount，否则，则自增,amount为自增数(整数)

print(r.incr("mount",amount=2))#输出:2

print(r.incr("mount"))#输出:3

print(r.incr("mount",amount=3))#输出:6

print(r.incr("mount",amount=6))#输出:12

print(r.get("mount")) #输出:12

#类似 incr() 自增,amount为自增数(浮点数)

#自减name对应的值,当name不存在时,则创建name＝amount，否则，则自减，amount为自增数(整数)

#在name对应的值后面追加内容

r.set("name","zhangsan")

print(r.get("name"))    #输出:'zhangsan

r.append("name","lisi")

print(r.get("name"))    #输出:zhangsanlisi

#name对应的hash中设置一个键值对（不存在，则创建，否则，修改）

r.hset("dic_name","a1","aa")

r.hset("dic_name","a1","aa")

#在name对应的hash中根据key获取value

print(r.hget("dic_name","a1"))#输出:aa

#获取name对应hash的所有键值

print(r.hgetall("dic_name"))

#在name对应的hash中批量设置键值对,mapping:字典

dic={"a1":"aa","b1":"bb"}

r.hmset("dic_name",dic)

print(r.hget("dic_name","b1"))#输出:bb

# 在name对应的hash中获取多个key的值

li=["a1","b1"]

print(r.hmget("dic_name",li))

print(r.hmget("dic_name","a1","b1"))

dic={"a1":"aa","b1":"bb"}

r.hmset("dic_name",dic)

#hlen(name) 获取hash中键值对的个数

print(r.hlen("dic_name"))

#hkeys(name) 获取hash中所有的key的值

print(r.hkeys("dic_name"))

#hvals(name) 获取hash中所有的value的值

print(r.hvals("dic_name"))

#检查name对应的hash是否存在当前传入的key

print(r.hexists("dic_name","a1"))#输出:True

#删除指定name对应的key所在的键值对

r.hdel("dic_name","a1")

#自增hash中key对应的值，不存在则创建key=amount(amount为整数)

print(r.hincrby("demo","a",amount=2))

#自增hash中key对应的值，不存在则创建key=amount(amount为浮点数)

# 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

r.lpush("list_name",2)

r.lpush("list_name",3,4,5)#保存在列表中的顺序为5，4，3，2

#同lpush，但每个新的元素都添加到列表的最右边

#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

#在name对应的list中添加元素，只有name已经存在时，值添加到列表的最右边

# name对应的list元素的个数

print(r.llen("list_name"))

# 在name对应的列表的某一个值前或后插入一个新值

r.linsert("list_name","BEFORE","","SS")#在列表内找到第一个元素2，在它前面插入SS

'''参数：

     name: redis的name

     where: BEFORE（前）或AFTER（后）

     refvalue: 列表内的值

     value: 要插入的数据'''

#对list中的某一个索引位置重新赋值

r.lset("list_name",0,"bbb")

#删除name对应的list中的指定值

r.lrem("list_name","SS",num=0)

''' 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'''

#移除列表的左侧第一个元素，返回值则是第一个元素

print(r.lpop("list_name"))

#根据索引获取列表内元素

print(r.lindex("list_name",1))

#分片获取元素

print(r.lrange("list_name",0,-1))

#移除列表内没有在该索引之内的值

r.ltrim("list_name",0,2)

# 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

#src 要取数据的列表

#dst 要添加数据的列表

#同rpoplpush，多了个timeout, timeout：取数据的列表没元素后的阻塞时间，0为一直阻塞

r.brpoplpush("list_name","list_name1",timeout=0)

#将多个列表排列,按照从左到右去移除各个列表内的元素

r.lpush("list_name",3,4,5)

r.lpush("list_name1",3,4,5)

while True:

    print(r.blpop(["list_name","list_name1"],timeout=0))

    print(r.lrange("list_name",0,-1),r.lrange("list_name1",0,-1))

'''keys: redis的name的集合

   timeout: 超时时间，获取完所有列表的元素之后，阻塞等待列表内有数据的时间（秒）, 0 表示永远阻塞'''

#同blpop，将多个列表排列,按照从右像左去移除各个列表内的元素

#给name对应的集合中添加元素

r.sadd("set_name","aa")

r.sadd("set_name","aa","bb")

#获取name对应的集合的所有成员

#获取name对应的集合中的元素个数

r.scard("set_name")

#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

r.sadd("set_name","aa","bb")

r.sadd("set_name1","bb","cc")

r.sadd("set_name2","bb","cc","dd")

print(r.sdiff("set_name","set_name1","set_name2"))#输出:｛aa｝

#相当于把sdiff获取的值加入到dest对应的集合中

# 获取多个name对应集合的并集

r.sadd("set_name","aa","bb")

r.sadd("set_name1","bb","cc")

r.sadd("set_name2","bb","cc","dd")

print(r.sinter("set_name","set_name1","set_name2"))#输出:｛bb｝

#获取多个name对应集合的并集，再讲其加入到dest对应的集合中

#检查value是否是name对应的集合内的元素

#将某个元素从一个集合中移动到另外一个集合

#从集合的右侧移除一个元素，并将其返回

# 从name对应的集合中随机获取numbers个元素

print(r.srandmember("set_name2",2))

#删除name对应的集合中的某些值

print(r.srem("set_name2","bb","dd"))

#获取多个name对应的集合的并集

r.sunion("set_name","set_name1","set_name2")

#获取多个name对应的集合的并集，并将结果保存到dest对应的集合中

# 在name对应的有序集合中添加元素

r.zadd("zset_name", "a1", 6, "a2", 2,"a3",5)

#或

r.zadd('zset_name1', b1=10, b2=5)

#获取有序集合内元素的数量

#获取有序集合中分数在[min,max]之间的个数

print(r.zcount("zset_name",1,5))

#自增有序集合内value对应的分数

r.zincrby("zset_name","a1",amount=2)#自增zset_name对应的有序集合里a1对应的分数

# 按照索引范围获取name对应的有序集合的元素

aa=r.zrange("zset_name",0,1,desc=False,withscores=True,score_cast_func=int)

print(aa)

'''参数：

    name    redis的name

    start   有序集合索引起始位置

    end     有序集合索引结束位置

    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'''

#同zrange，集合是从大到小排序的

#获取value值在name对应的有序集合中的排行位置（从0开始）

print(r.zrank("zset_name", "a2"))

print(r.zrevrank("zset_name", "a2"))#从大到小排序

#获取name对应有序集合中 value 对应的分数

print(r.zscore("zset_name","a1"))

#删除name对应的有序集合中值是values的成员

r.zrem("zset_name","a1","a2")

#根据排行范围删除

#根据分数范围删除

r.zadd("zset_name", "a1", 6, "a2", 2,"a3",5)

r.zadd('zset_name1', a1=7,b1=10, b2=5)

# 获取两个有序集合的交集并放入dest集合，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

r.zinterstore("zset_name2",("zset_name1","zset_name"),aggregate="MAX")

print(r.zscan("zset_name2"))

#获取两个有序集合的并集并放入dest集合，其他同zinterstore，

#根据name删除redis中的任意数据类型

#检测redis的name是否存在

#根据* ？等通配符匹配获取redis的name

# 为某个name设置超时时间

# 重命名

# 将redis的某个值移动到指定的db下

#随机获取一个redis的name（不删除）

# 获取name对应值的类型

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import redis

r = redis.Redis(host='192.168.0.110', port=6379,db=0)

r.set('name', 'zhangsan')   #添加

print (r.get('name'))   #获取

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import redis

pool = redis.ConnectionPool(host='192.168.0.110', port=6379)

r = redis.Redis(connection_pool=pool)

r.set('name', 'zhangsan')   #添加

print (r.get('name'))   #获取

#!/usr/bin/env python

# -*- coding:utf-8 -*-

import redis

pool = redis.ConnectionPool(host='192.168.0.110', port=6379)

r = redis.Redis(connection_pool=pool)

pipe = r.pipeline(transaction=True)

r.set('name', 'zhangsan')

r.set('name', 'lisi')

pipe.execute()

#!/usr/bin/env python

#-*- coding:utf-8 -*-

import redis

class RedisHelper(object):

    def __init__(self):

        self.__conn = redis.Redis(host='192.168.0.110',port=6379)#连接Redis

        self.channel = 'monitor' #定义名称

    def publish(self,msg):#定义发布方法

        self.__conn.publish(self.channel,msg)

        return True

    def subscribe(self):#定义订阅方法

        pub = self.__conn.pubsub()

        pub.subscribe(self.channel)

        pub.parse_response()

        return pub

#!/usr/bin/env python

# -*- coding:utf-8 -*-

#发布

from RedisHelper import RedisHelper

obj = RedisHelper()

obj.publish('hello')#发布

#!/usr/bin/env python

# -*- coding:utf-8 -*-

#订阅

from RedisHelper import RedisHelper

obj = RedisHelper()

redis_sub = obj.subscribe()#调用订阅方法

while True:

    msg= redis_sub.parse_response()

    print (msg)

MemCache是什么

MemCache是一个*、源码开放、高性能、分布式的分布式内存对象缓存系统，用于动态Web应用以减轻数据库的负载。它通过在内存中缓存数据和对象来减少读取数据库的次数，从而提高了网站访问的速度。MemCaChe是一个存储键值对的HashMap，在内存中对任意的数据（比如字符串、对象等）所使用的key-value存储，数据可以来自数据库调用、API调用，或者页面渲染的结果。MemCache设计理念就是小而强大，它简单的设计促进了快速部署、易于开发并解决面对大规模的数据缓存的许多难题，而所开放的API使得MemCache能用于Java、C/C++/C#、Perl、Python、PHP、Ruby等大部分流行的程序语言。

MemCache和MemCached的区别：

1. Redis支持服务器端的数据操作：Redis相比Memcached来说，拥有更多的数据结构和并支持更丰富的数据操作，通常在Memcached里，你需要将数据拿到客户端来进行类似的修改再set回去。这大大增加了网络IO的次数和数据体积。在Redis中，这些复杂的操作通常和一般的GET/SET一样高效。所以，如果需要缓存能够支持更复杂的结构和操作，那么Redis会是不错的选择。
2. 内存使用效率对比：使用简单的key-value存储的话，Memcached的内存利用率更高，而如果Redis采用hash结构来做key-value存储，由于其组合式的压缩，其内存利用率会高于Memcached。
3. 性能对比：由于Redis只使用单核，而Memcached可以使用多核，所以平均每一个核上Redis在存储小数据时比Memcached性能更高。而在100k以上的数据中，Memcached性能要高于Redis，虽然Redis最近也在存储大数据的性能上进行优化，但是比起Memcached，还是稍有逊色。

MemCache的官方网站为http://memcached.org/

MemCache访问模型

为了加深理解，我模仿着原阿里技术专家李智慧老师《大型网站技术架构 核心原理与案例分析》一书MemCache部分，自己画了一张图：

特别澄清一个问题，MemCache虽然被称为”分布式缓存”，但是MemCache本身完全不具备分布式的功能，MemCache集群之间不会相互通信（与之形成对比的，比如JBoss Cache，某台服务器有缓存数据更新时，会通知集群中其他机器更新缓存或清除缓存数据），所谓的”分布式”，完全依赖于客户端程序的实现，就像上面这张图的流程一样。

同时基于这张图，理一下MemCache一次写缓存的流程：

1、应用程序输入需要写缓存的数据

2、API将Key输入路由算法模块，路由算法根据Key和MemCache集群服务器列表得到一台服务器编号

3、由服务器编号得到MemCache及其的ip地址和端口号

4、API调用通信模块和指定编号的服务器通信，将数据写入该服务器，完成一次分布式缓存的写操作

读缓存和写缓存一样，只要使用相同的路由算法和服务器列表，只要应用程序查询的是相同的Key，MemCache客户端总是访问相同的客户端去读取数据，只要服务器中还缓存着该数据，就能保证缓存命中。

这种MemCache集群的方式也是从分区容错性的方面考虑的，假如Node2宕机了，那么Node2上面存储的数据都不可用了，此时由于集群中Node0和Node1还存在，下一次请求Node2中存储的Key值的时候，肯定是没有命中的，这时先从数据库中拿到要缓存的数据，然后路由算法模块根据Key值在Node0和Node1中选取一个节点，把对应的数据放进去，这样下一次就又可以走缓存了，这种集群的做法很好，但是缺点是成本比较大。

一致性Hash算法

从上面的图中，可以看出一个很重要的问题，就是对服务器集群的管理，路由算法至关重要，就和负载均衡算法一样，路由算法决定着究竟该访问集群中的哪台服务器，先看一个简单的路由算法。

1、余数Hash

比方说，字符串str对应的HashCode是50、服务器的数目是3，取余数得到2，str对应节点Node2，所以路由算法把str路由到Node2服务器上。由于HashCode随机性比较强，所以使用余数Hash路由算法就可以保证缓存数据在整个MemCache服务器集群中有比较均衡的分布。

如果不考虑服务器集群的伸缩性（什么是伸缩性，请参见大型网站架构学习笔记），那么余数Hash算法几乎可以满足绝大多数的缓存路由需求，但是当分布式缓存集群需要扩容的时候，就难办了。

就假设MemCache服务器集群由3台变为4台吧，更改服务器列表，仍然使用余数Hash，50对4的余数是2，对应Node2，但是str原来是存在Node1上的，这就导致了缓存没有命中。如果这么说不够明白，那么不妨举个例子，原来有HashCode为0~19的20个数据，那么：

现在我扩容到4台，加粗标红的表示命中：

如果我扩容到20+的台数，只有前三个HashCode对应的Key是命中的，也就是15%。当然这只是个简单例子，现实情况肯定比这个复杂得多，不过足以说明，使用余数Hash的路由算法，在扩容的时候会造成大量的数据无法正确命中（其实不仅仅是无法命中，那些大量的无法命中的数据还在原缓存中在被移除前占据着内存）。这个结果显然是无法接受的，在网站业务中，大部分的业务数据度操作请求上事实上是通过缓存获取的，只有少量读操作会访问数据库，因此数据库的负载能力是以有缓存为前提而设计的。当大部分被缓存了的数据因为服务器扩容而不能正确读取时，这些数据访问的压力就落在了数据库的身上，这将大大超过数据库的负载能力，严重的可能会导致数据库宕机。

这个问题有解决方案，解决步骤为：

（1）在网站访问量低谷，通常是深夜，技术团队加班，扩容、重启服务器

（2）通过模拟请求的方式逐渐预热缓存，使缓存服务器中的数据重新分布

2、一致性Hash算法

一致性Hash算法通过一个叫做一致性Hash环的数据结构实现Key到缓存服务器的Hash映射，看一下我自己画的一张图：

具体算法过程为：先构造一个长度为232的整数环（这个环被称为一致性Hash环），根据节点名称的Hash值（其分布为[0, 232-1]）将缓存服务器节点放置在这个Hash环上，然后根据需要缓存的数据的Key值计算得到其Hash值（其分布也为[0, 232-1]），然后在Hash环上顺时针查找距离这个Key值的Hash值最近的服务器节点，完成Key到服务器的映射查找。

就如同图上所示，三个Node点分别位于Hash环上的三个位置，然后Key值根据其HashCode，在Hash环上有一个固定位置，位置固定下之后，Key就会顺时针去寻找离它最近的一个Node，把数据存储在这个Node的MemCache服务器中。使用Hash环如果加了一个节点会怎么样，看一下：

看到我加了一个Node4节点，只影响到了一个Key值的数据，本来这个Key值应该是在Node1服务器上的，现在要去Node4了。采用一致性Hash算法，的确也会影响到整个集群，但是影响的只是加粗的那一段而已，相比余数Hash算法影响了远超一半的影响率，这种影响要小得多。更重要的是，集群中缓存服务器节点越多，增加节点带来的影响越小，很好理解。换句话说，随着集群规模的增大，继续命中原有缓存数据的概率会越来越大，虽然仍然有小部分数据缓存在服务器中不能被读到，但是这个比例足够小，即使访问数据库，也不会对数据库造成致命的负载压力。

至于具体应用，这个长度为232的一致性Hash环通常使用二叉查找树实现，至于二叉查找树，就是算法的问题了，可以自己去查询相关资料。

解析

然后我们来看一下MemCache的原理，MemCache最重要的莫不是内存分配的内容了，MemCache采用的内存分配方式是固定空间分配，还是自己画一张图说明：

这张图片里面涉及了slab_class、slab、page、chunk四个概念，它们之间的关系是：

1、MemCache将内存空间分为一组slab

2、每个slab下又有若干个page，每个page默认是1M，如果一个slab占用100M内存的话，那么这个slab下应该有100个page

3、每个page里面包含一组chunk，chunk是真正存放数据的地方，同一个slab里面的chunk的大小是固定的

4、有相同大小chunk的slab被组织在一起，称为slab_class

MemCache内存分配的方式称为allocator，slab的数量是有限的，几个、十几个或者几十个，这个和启动参数的配置相关。

MemCache中的value过来存放的地方是由value的大小决定的，value总是会被存放到与chunk大小最接近的一个slab中，比如slab[1]的chunk大小为80字节、slab[2]的chunk大小为100字节、slab[3]的chunk大小为128字节（相邻slab内的chunk基本以1.25为比例进行增长，MemCache启动时可以用-f指定这个比例），那么过来一个88字节的value，这个value将被放到2号slab中。放slab的时候，首先slab要申请内存，申请内存是以page为单位的，所以在放入第一个数据的时候，无论大小为多少，都会有1M大小的page被分配给该slab。申请到page后，slab会将这个page的内存按chunk的大小进行切分，这样就变成了一个chunk数组，最后从这个chunk数组中选择一个用于存储数据。

如果这个slab中没有chunk可以分配了怎么办，如果MemCache启动没有追加-M（禁止LRU，这种情况下内存不够会报Out Of Memory错误），那么MemCache会把这个slab中最近最少使用的chunk中的数据清理掉，然后放上最新的数据。针对MemCache的内存分配及回收算法，总结三点：

1、MemCache的内存分配chunk里面会有内存浪费，88字节的value分配在128字节（紧接着大的用）的chunk中，就损失了30字节，但是这也避免了管理内存碎片的问题

2、MemCache的LRU算法不是针对全局的，是针对slab的

3、应该可以理解为什么MemCache存放的value大小是限制的，因为一个新数据过来，slab会先以page为单位申请一块内存，申请的内存最多就只有1M，所以value大小自然不能大于1M了

特性和限制

简单安装：

1.分别把memcached和libevent下载回来，放到 /tmp 目录下：

# cd /tmp

# wget http://www.danga.com/memcached/dist/memcached-1.2.0.tar.gz

# wget http://www.monkey.org/~provos/libevent-1.2.tar.gz

2.先安装libevent：

# tar zxvf libevent-1.2.tar.gz

# cd libevent-1.2

# ./configure -prefix=/usr

# make （如果遇到提示gcc 没有安装则先安装gcc)

# make install

3.测试libevent是否安装成功：

# ls -al /usr/lib | grep libevent

lrwxrwxrwx 1 root root 21 11?? 12 17:38 libevent-1.2.so.1 -> libevent-1.2.so.1.0.3

-rwxr-xr-x 1 root root 263546 11?? 12 17:38 libevent-1.2.so.1.0.3

-rw-r-r- 1 root root 454156 11?? 12 17:38 libevent.a

-rwxr-xr-x 1 root root 811 11?? 12 17:38 libevent.la

lrwxrwxrwx 1 root root 21 11?? 12 17:38 libevent.so -> libevent-1.2.so.1.0.3

还不错，都安装上了。

4.安装memcached，同时需要安装中指定libevent的安装位置：

# cd /tmp

# tar zxvf memcached-1.2.0.tar.gz

# cd memcached-1.2.0

# ./configure -with-libevent=/usr

# make

# make install

如果中间出现报错，请仔细检查错误信息，按照错误信息来配置或者增加相应的库或者路径。

安装完成后会把memcached放到 /usr/local/bin/memcached ，

5.测试是否成功安装memcached：

# ls -al /usr/local/bin/mem*

-rwxr-xr-x 1 root root 137986 11?? 12 17:39 /usr/local/bin/memcached

-rwxr-xr-x 1 root root 140179 11?? 12 17:39 /usr/local/bin/memcached-debug

启动memcache服务

启动Memcached服务：

1.启动Memcache的服务器端：

# /usr/local/bin/memcached -d -m 8096 -u root -l 192.168.77.105 -p 12000 -c 256 -P /tmp/memcached.pid

-d选项是启动一个守护进程，

-m是分配给Memcache使用的内存数量，单位是MB，我这里是8096MB，

-u是运行Memcache的用户，我这里是root，

-l是监听的服务器IP地址，如果有多个地址的话，我这里指定了服务器的IP地址192.168.77.105，

-p是设置Memcache监听的端口，我这里设置了12000，最好是1024以上的端口，

-c选项是最大运行的并发连接数，默认是1024，我这里设置了256，按照你服务器的负载量来设定，

-P是设置保存Memcache的pid文件，我这里是保存在 /tmp/memcached.pid，

2.如果要结束Memcache进程，执行：

# cat /tmp/memcached.pid 或者 ps -aux | grep memcache   （找到对应的进程id号）

# kill 进程id号

也可以启动多个守护进程，不过端口不能重复。

memcache 的连接

telnet  ip   port

注意连接之前需要再memcache服务端把memcache的防火墙规则加上

-A RH-Firewall-1-INPUT -m state --state NEW -m tcp -p tcp --dport 3306 -j ACCEPT

重新加载防火墙规则

service iptables restart

OK ,现在应该就可以连上memcache了

在客户端输入stats 查看memcache的状态信息

pid              memcache服务器的进程ID

uptime      服务器已经运行的秒数

time           服务器当前的unix时间戳

version     memcache版本

pointer_size         当前操作系统的指针大小（32位系统一般是32bit）

rusage_user          进程的累计用户时间

rusage_system    进程的累计系统时间

curr_items            服务器当前存储的items数量

total_items           从服务器启动以后存储的items总数量

bytes                       当前服务器存储items占用的字节数

curr_connections        当前打开着的连接数

total_connections        从服务器启动以后曾经打开过的连接数

connection_structures          服务器分配的连接构造数

cmd_get get命令          （获取）总请求次数

cmd_set set命令          （保存）总请求次数

get_hits          总命中次数

get_misses        总未命中次数

evictions     为获取空闲内存而删除的items数（分配给memcache的空间用满后需要删除旧的items来得到空间分配给新的items）

bytes_read    读取字节数（请求字节数）

bytes_written     总发送字节数（结果字节数）

limit_maxbytes     分配给memcache的内存大小（字节）

threads         当前线程数