一、连接redis
本地连接
redis-server
redis-cli
连接远程服务器的时候使用
$ redis-cli -h host -p port -a password
//eg:$ redis-cli -h 192.168.1.235 -p 6379 -a "password"
二、redis线程池
@ staticmethod
def _create_redis_connection_pool(ip, port, password):
"""创建redis连接池"""
pool = redis.ConnectionPool(host=ip, port=int(port), db =2, password= password, decode_responses=True)
redis_tool = redis.Redis(connection_pool=pool)
return redis_tool
三、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='192.168.22.132', port=6379)
r = redis.Redis(connection_pool=pool)
# pipe = r.pipeline(transaction=False)
pipe = r.pipeline(transaction=True)
pipe.set('name', 'root')
pipe.set('role', 'root')
pipe.execute()
四、redis的命名空间
这个很重要，命名空间用冒号定义，
例1：set test1:test2:test3 123
例2：set test1:test5 345
其中 test3和test5 是叶子 命名空间可以扩展树的深度，类似于文件夹与文件的关系
查询时也要带上命名空间，感觉也优化了查询
五、定位耗时操作
由于 Redis 没有非常详细的日志，要想知道在 Redis 实例内部都做了些什么是非常困难的。幸运的是 Redis 提供了一个下面这样的命令统计工具：
127.0.0.1:6379> INFO commandstats
# Commandstats
cmdstat_get:calls=78,usec=608,usec_per_call=7.79
cmdstat_setex:calls=5,usec=71,usec_per_call=14.20
cmdstat_keys:calls=2,usec=42,usec_per_call=21.00
cmdstat_info:calls=10,usec=1931,usec_per_call=193.10
通过这个工具可以查看所有命令统计的快照，比如命令执行了多少次，执行命令所耗费的毫秒数(每个命令的总时间和平均时间)
只需要简单地执行 CONFIG RESETSTAT 命令就可以重置，这样你就可以得到一个全新的统计结果。
redis 清空当前数据库(慎用)
redis 127.0.0.1:6379> FLUSHDB
OK
六、redis的认知错误
我们知道redis是以快著称，因为简单有处理的快，作为内存型数据库被大家所熟知和使用。
根据官方定义redis可以存储512M的数据，但是当我们真正使用时如果真的存name大，可能你失去了使用redis的意义，很耗时。
我向redis里存储基本数据类型，读写耗时大约为2-3ms，但当我向redis里存储158k的bytes数据时，读写耗时在20ms以上，偶尔会更高，所以虽然redis支持很大的数据量，但不要使用，会很耗时，这样就失去了使用redis 的意义，后面我会介绍一种更好的方式。
总结：
1> 使用连接池
2> 尽量使用管道
3> 不要读写大数据
