首先，简单介绍：Redis是一个基于内存的键值对存储系统，常用作数据库、缓存和消息代理。
支持：字符串，字典，列表，集合，有序集合，位图（bitmaps），地理位置，HyperLogLog等多种数据结构。
支持事务、分片、主从复之、支持RDB（内存数据保存的文件）和AOF（类似于MySQL的binlog）两种持久化方式。3.0加入订阅分发、Lua脚本、集群等特性。
安装(都大同小异，安装前建议用先用search搜索一下)：
ubuntu：sudo apt-get install redis-server -yq
MAC: sudo port install redis-server
CentOS: yum install redis-server
安装之后已经启动，可以用redis-cli验证，也可以ps -ef | grep redis
安装redis的Python包：
pip install redis
安装之后可以这样基本使用：
In [15]: import redis
In [16]: conn = redis.Redis()
In [17]: conn.rpush('a','2')
Out[17]: 1
In [18]: conn = redis.StrictRedis(host='localhost', port=6379, db=0)
In [19]: conn.lrange('a',0,-1)
Out[19]: [b'2']
Python调用redis的函数和redis本身的命令都差不多，一般参数个数和类型都相同，可以直接查看Redis命令参考，再去Python的redis模块的client.py中去找
OK，接下来看看Python都可以用Redis来做些什么吧，四种常用使用场景：
1.取最新N个数据操作：
该场景应用于比如每天更新10万条数据，均写入关系型数据库（如MySQL），可以在Redis中保存最新的1万条数据，方便读取和查询，极大提高读取查询效率。
使用Redis的List数据结构，用到常用命令LPUSH，LTRIM和LRANGE即可，用Flak来呈现，用SQLAlchemy来连接MySQL：
服务端代码：
# coding=utf-8
import json
from datetime import datetime
from flask import Flask, request, jsonify
from flask_sqlalchemy import SQLAlchemy
import redis
import pymysql
pymysql.install_as_MySQLdb()
app = Flask(__name__)
app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://web:web@localhost:3306/r'
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = False
db = SQLAlchemy(app)
r = redis.StrictRedis(host='localhost', port=6379, db=0)
MAX_FILE_COUNT = 50
#数据模型，有id,name和uploadtime三个字段
class PasteFile(db.Model):
__tablename__ = 'files'
id = db.Column(db.Integer, primary_key=True)
name = db.Column(db.String(5000), nullable=False)
uploadtime = db.Column(db.DateTime, nullable=False)
def __init__(self, name='', uploadtime=None):
self.uploadtime = datetime.now() if uploadtime is None else uploadtime
self.name = name
db.create_all()
#该函数对POST传入的id和name，写MySQL数据库，LPUSH到Redis中，并LTRIM裁剪保留MAX_FILE_COUNT个
@app.route('/upload', methods=['POST'])
def upload():
name = request.form.get('name')
pastefile = PasteFile(name)
db.session.add(pastefile)
db.session.commit()
r.lpush('latest.files', pastefile.id)
r.ltrim('latest.files', 0, MAX_FILE_COUNT - 1)
return jsonify({'r': 0})
#该视图函数截取start-limit个数据，通过json呈现在街面上，默认0-20就是最新插入的20条
@app.route('/lastest_files')
def get_lastest_files():
start = request.args.get('start', default=0, type=int)
limit = request.args.get('limit', default=20, type=int)
ids = r.lrange('latest.files', start, start + limit - 1)
files = PasteFile.query.filter(PasteFile.id.in_(ids)).all()
return json.dumps([{'id': f.id, 'filename': f.name} for f in files])
if __name__ == '__main__':
app.run(host='0.0.0.0', port=9000, debug=True)
随机生成100条数据：
from lastest_files import app, PasteFile, r
import time ,random, string
#随机生成100条name插入MySQl表，id自增
with app.test_client() as client:
for _ in range(1,101):
data = ''.join(random.sample(string.ascii_letters,10))+'_'+str(_)
print ('input data: ',data)
client.post('/upload',data={'name':data})
time.sleep(0.5)
测试结果：
2.取TOP N操作（排行榜应用）
该场景用于游戏或者需要分数排名的地方
主要利用Redis的有序集合（SortedSet）其中：score值递减(从大到小)的次序排列。
用到Redis有序集合的：ZADD，ZREVRANGE，ZCOUNT，ZREVRANGEBYSCORE命令
测试代码：
# coding=utf-8
import string
import random
import redis
r = redis.StrictRedis(host='localhost', port=6379, db=0)
GAME_BOARD_KEY = 'game.board'
for _ in range(1000):
score = round((random.random() * 100), 2)
user_id = ''.join(random.sample(string.ascii_letters, 6))
#随机生成1000个用户，每个用户具有得分和用户名字，插入Redis的有序集合中
r.zadd(GAME_BOARD_KEY, score, user_id)
# 随机获得一个用户和他的得分
user_id, score = r.zrevrange(GAME_BOARD_KEY, 0, -1,
withscores=True)[random.randint(0, 200)]
print (user_id, score)
#用有序集合的ZCOUNT获取0-100的个数也就是所有人的数量，获取0-score分数段的人数，也就是这个用户分数超过了多少人
board_count = r.zcount(GAME_BOARD_KEY, 0, 100)
current_count = r.zcount(GAME_BOARD_KEY, 0, score)
print (current_count, board_count)
print ('TOP 10')
print ('-' * 20)
#用有序集合的ZREVRANGEBYSCORE返回指定区间的元素
#ZREVRANGEBYSCORE key max min [WITHSCORES] [LIMIT offset count]
for user_id, score in r.zrevrangebyscore(GAME_BOARD_KEY, 100, 0, start=0,
num=10, withscores=True):
print (user_id, score)
测试结果：
b'mgOvfl' 83.04 811 1000 TOP 10 -------------------- b'rbhXNd' 99.91 b'KJFELh' 99.88 b'cyjNrJ' 99.81 b'RXohkG' 99.64 b'SMVFbu' 99.51 b'FMBEgz' 99.5 b'ajxhdp' 99.45 b'QuMSpL' 99.33 b'IFYCOs' 99.31 b'VyWnYC' 98.74
3.计数器：
Redis非常适合用来做计数器：
没什么好解释的，就是INCR，DECR，INCRBY
4.实时统计：
Redis的位图提供了二进制操作，非常适合存储布尔类型的值，常见场景就是记录用户登陆状态。
该场景用二进制的方式表示用户是否登录，比如说有10个用户，则0000000000表示无人登录，0010010001表示第3个、第6个、第10个用户登录过，即是活跃的。
用到Redis字符串（String）结构中的：BITCOUNT，GETBIT，BITOP命令
对本月每天的用户登录情况进行统计，会针对每天生成key，例如今天的：account:active:2016:11:23，也会生成月的key:account:active:2016:11和年的key：key:account:active:2016
每个key中的字符串长度就是人数（可能有的key的str没有那么长，那是因为最后一个bit没有set成1，不过没有就相当于是0）
测试代码：
# coding=utf-8
import time
import random
from datetime import datetime
import redis
r = redis.StrictRedis(host='localhost', port=6379, db=0)
ACCOUNT_ACTIVE_KEY = 'account:active'
r.flushall()
# r.delete(ACCOUNT_ACTIVE_KEY)
now = datetime.utcnow()
def record_active(account_id, t=None):
#第一次t自己生成，后面t接受传入的年月日
if t is None:
t = datetime.utcnow()
#Redis事务开始
p = r.pipeline()
key = ACCOUNT_ACTIVE_KEY
#组合了年月日三种键值，同时将三个键值对应字符串的account_id位置为1
#符合逻辑：该人在这一天登陆，肯定也在当前月登陆，也在当年登陆
for arg in ('year', 'month', 'day'):
key = '{}:{}'.format(key, getattr(t, arg))
p.setbit(key, account_id, 1)
#Redis事务提交，真正执行
p.execute()
def gen_records(max_days, population, k):
#循环每天的情况，从1-max_days天
for day in range(1, max_days):
time_ = datetime(now.year, now.month, day)
#每天随机生成k个数字，表示k个人活跃
accounts = random.sample(range(population), k)
#将这k个人对应在当天的字符串中修改，对应位置的bit置为1，表明这个天他有登陆过
for account_id in accounts:
record_active(account_id, time_)
#查看记录100万数据中随机选择10万活跃用户时的内存占用
def calc_memory():
r.flushall()
#执行前先看当前的内存占用
print ('USED_MEMORY: {}'.format(r.info()['used_memory_human']))
start = time.time()
#100万种选择10万，20天
gen_records(21, 1000000, 100000)
#记录话费时间
print ('COST: {}'.format(time.time() - start))
#添加记录后的内存占用
print ('USED_MEMORY: {}'.format(r.info()['used_memory_human']))
gen_records(29, 10000, 2000)
#这个月总的活跃用户数，直接查询记录月的key：bitcount "account:active:2016:11"
print (r.bitcount('{}:{}:{}'.format(ACCOUNT_ACTIVE_KEY, now.year, now.month)))
#今天的活跃用户数：bitcount "account:active:2016:11:23"
print (r.bitcount('{}:{}:{}:{}'.format(ACCOUNT_ACTIVE_KEY, now.year,
now.month, now.day)))
#随机找一个account_id为1200的用户，查看他是否登陆过：getbit "account:active:2016:11" 1200
account_id = 1200
print (r.getbit('{}:{}:{}'.format(ACCOUNT_ACTIVE_KEY, now.year, now.month),
account_id))
#getbit "account:active:2016:11" 10001
print (r.getbit('{}:{}:{}'.format(ACCOUNT_ACTIVE_KEY, now.year, now.month),
10001))
#获取当月1号和2号的建
keys = ['{}:{}:{}:{}'.format(ACCOUNT_ACTIVE_KEY, now.year, now.month, day)
for day in range(1, 3)]
#获取1号和2号的活跃的用户总数
r.bitop('or', 'destkey:or', *keys)
print (r.bitcount('destkey:or'))
#获取在1号和2号都活跃的用户数
r.bitop('and', 'destkey:and', *keys)
print (r.bitcount('destkey:and'))
测试结果:
9974 2000 1 3593 407
对应的Redis操作结果：
:" ( ::" ( :" ( :" ( ::","account:active:::" Invalid argument(s) ::" "account:active:::" ( > bitcount destkey:or ( ::" "account:active:::" ( > bitcount destkey:and (
Python代码中输出与Redis操作对应关系：
最后，用函数calc_memory()单独测试了一下性能（运行比较慢）：
USED_MEMORY: 1.05M COST: 427.4658901691437 USED_MEMORY: 5.82M
所以说明存储200万活跃用户技术，总计20天*100万人，相当于2000万人，采用此方案，只需要5M多空间。
以上代码内容均来自董伟明老师的《Python Web开发实践》，自己实践了一遍，这里主要用来学习、记录和分享。