1，安装
pip install redis
2，基本使用
使用：
import redis
r = redis.Redis(host=’localhost’, port=6379, db=0)
r['test'] = ‘test’ #或者可以r.set(‘test’, ‘test’) 设置key
r.get(‘test’) #获取test的值
r.delete(‘test’) #删除这个key
r.flushdb() #清空数据库
r.keys() #列出所有key
r.exists(‘test’) #检测这个key是否存在
r.dbsize() #数据库中多少个条数
>>> import redis
>>> pool = redis.ConnectionPool(host='localhost', port=6379, db=0)
>>> r = redis.StrictRedis(connection_pool = pool)
>>> r.set('foo', 'bar')
True
>>> r.get('foo')
'bar'
3.API参考
Redis 官方文档详细解释了每个命令（http://redis.io/commands）。redis-py 提供了两个实现这些命令的客户端类。StrictRedis 类试图遵守官方的命令语法，但也有几点例外：
·SELECT：没有实现。参见下面“线程安全”部分的解释。
·DEL：’del’ 是 Python 语法的保留关键字。因此redis-py 使用 “delete” 代替。
·CONFIG GET|SET：分别用 config_get 和 config_set 实现。
·MULTI/EXEC：作为 Pipeline 类的一部分来实现。若在调用pipeline 方法时指定use_transaction=True，在执行 pipeline 时会用 MULTI 和 EXEC 封装 pipeline 的操作。参见下面 Pipeline 部分。
·SUBSCRIBE/LISTEN: 和 pipeline 类似，由于需要下层的连接保持状态， PubSub 也实现成单独的类。调用 Redis 客户端的 pubsub 方法返回一个 PubSub 的实例，通过这个实例可以订阅频道或侦听消息。两个类（StrictRedis 和 PubSub 类）都可以发布(PUBLISH)消息。
除了上面的改变，StrictRedis 的子类 Redis，提供了对旧版本 redis-py 的兼容：
·LREM：参数 ‘num’ 和 ‘value’ 的顺序交换了一下，这样‘num’ 可以提供缺省值 0.
·ZADD：实现时 score 和 value 的顺序不小心弄反了，后来有人用了，就这样了
·SETEX: time 和 value 的顺序反了
注：最好不要用 Redis，这个类只是做兼容用的
4.详细说明
4.1 连接池
在后台，redis-py 采用了连接池（ConnectionPool）来管理对 Redis 服务器的连接。缺省情况下，每个Redis 实例都创建自己的连接池。也可以采用向 Redis 类的 connection_pool 参数传递已创建的连接池的方式。通过这种方式，可以实现客户端分片或精确控制连接的管理:
>>> pool = redis.ConnectionPool(host='localhost', port=6379, db=0) >>> r = redis.StrictRedis(connection_pool=pool)
4.2 连接
ConnectionPool 管理一组 Connection 实例。redis-py 提供两种类型的 Connection。缺省情况下，Connection 是一个普通的 TCP 连接。 UnixDomainSocketConnection 允许和服务器运行在同一个设备上的客户端通过 unix 套接字进行连接。要使用 UnixDomainSocketConnection 连接, 只需要通过unix_socket_path 参数传递一个 unix 套接字文件的字符串。另外，确保redis.conf 文件配置了unixsocket 参数（缺省情况下是注释掉的）:
>>> r = redis.StrictRedis(unix_socket_path='/tmp/redis.sock')
也可以自己创建 Connection 子类。这个特性可以在使用异步框架时用于控制 socket 的行为。要使用自己的Connection 初始化客户端类，需要创建一个连接池，通 connection_class 参数把自己的类传递进去。传递的其它关键字参数会在初始化时传递给自定义的类:
>>> pool = redis.ConnectionPool(connection_class=YourConnectionClass, your_arg='...', ...)
4.3 分析器
分析类提供了控制如何对 Redis 服务器的响应进行分析的途径。redis-py 提供了两个分析类， PythonParser和 HiredisParser。缺省情况下，如果安装了 hiredis 模块， redis-py 会尝试使用 HiredisParser，否则使用 PythonParser。
Hiredis 是由 Redis 核心团队维护的 C 库。 Pieter Noordhuis 创建了 Python 的实现。分析 Redis 服务器的响应时，Hiredis 可以提供 10 倍的速度提升。性能提升在获取大量数据时优为明显，比如 LRANGE 和SMEMBERS 操作。
和 redis-py 一样，Hiredis 在 Pypi 中就有，可以通过 pip 或 easy_install 安装:
$ pip install hiredis
或:
$ easy_install hiredis
4.4 响应回调函数
客户端类使用一系列回调函数来把 Redis 响应转换成合适的 Python 类型。有些回调函数在 Redis 客户端类的字典 RESPONSE_CALLBACKS 中定义。
通过 set_response_callback 方法可以把自定义的回调函数添加到单个实例。这个方法接受两个参数：一个命令名和一个回调函数。通过这种方法添加的回调函数只对添加到的对象有效。要想全局定义或重载一个回调函数，应该创建 Redis 客户端的子类并把回调函数添加到类的 RESPONSE_CALLBACKS(原文误为REDIS_CALLBACKS) 中。
响应回调函数至少有一个参数：Redis 服务器的响应。要进一步控制如何解释响应，也可以使用关键字参数。这些关键字参数在对 execute_command 的命令调用时指定。通过 “withscores” 参数，ZRANGE 演示了回调函数如何使用关键字参数。
4.5 线程安全
Redis 客户端实例可以安全地在线程间共享。从内部实现来说，只有在命令执行时才获取连接实例，完成后直接返回连接池，命令永不修改客户端实例的状态。
但是，有一点需要注意：SELECT 命令。SELECT 命令允许切换当前连接使用的数据库。新的数据库保持被选中状态，直到选中另一个数据库或连接关闭。这会导致在返回连接池时，连接可能指定了别的数据库。
因此，redis-py 没有在客户端实例中实现 SELECT 命令。如果要在同一个应用中使用多个 Redis 数据库，应该给第一个数据库创建独立的客户端实例（可能也需要独立的连接池）。
在线程间传递 PubSub 和 Pipeline 对象是不安全的。
4.6 Pipeline
Pipeline 是 StrictRedis 类的子类，支持在一个请求里发送缓冲的多个命令。通过减少客户端和服务器之间往来的数据包，可以大大提高命令组的性能。
Pipeline 的使用非常简单:
1 >>> r = redis.Redis(...) 2 3 >>> r.set('bing', 'baz') 4 5 >>> # Use the pipeline() method to create a pipeline instance 6 7 >>> pipe = r.pipeline() 8 9 >>> # The following SET commands are buffered 10 11 >>> pipe.set('foo', 'bar') 12 13 >>> pipe.get('bing') 14 15 >>> # the EXECUTE call sends all bufferred commands to the server, returning 16 17 >>> # a list of responses, one for each command. 18 19 >>> pipe.execute() 20 21 [True, 'baz']
为了方便使用，所有缓冲到 pipeline 的命令返回 pipeline 对象本身。因此调用可以链起来:
>>> pipe.set('foo', 'bar').sadd('faz', 'baz').incr('auto_number').execute()
[True, True, 6]
另外，pipeline 也可以保证缓冲的命令组做为一个原子操作。缺省就是这种模式。要使用命令缓冲，但禁止pipeline 的原子操作属性，可以关掉 transaction:
>>> pipe = r.pipeline(transaction=False)
一个常见的问题是：在进行原子事务操作前需要从 Redis 中获取事务中要用的数据。比如，假设 INCR 命令不存在，但我们需要用 Python 创建一个原子版本的 INCR。
一个不成熟的实现是获取值(GET)，在 Python 中增一, 设置（SET）新值。但是，这不是原子操作，因为多个客户端可能在同一时间做这件事，每一个都通过 GET 获取同一个值。
WATCH 命令提供了在开始事务前监视一个或多个键的能力。如果这些键中的任何一个在执行事务前发生改变，整个事务就会被取消并抛出 WatchError 异常。要实现我们的客户 INCR 命令，可以按下面的方法操作:
>>> with r.pipeline() as pipe:
... while 1:
... try:
... # 对序列号的键进行 WATCH
... pipe.watch('OUR-SEQUENCE-KEY')
... # WATCH 执行后，pipeline 被设置成立即执行模式直到我们通知它
... # 重新开始缓冲命令。
... # 这就允许我们获取序列号的值
... current_value = pipe.get('OUR-SEQUENCE-KEY')
... next_value = unicode(int(current_value) + 1)
... # 现在我们可以用 MULTI 命令把 pipeline 设置成缓冲模式
... pipe.multi()
... pipe.set('OUR-SEQUENCE-KEY', next_value)
... # 最后，执行 pipeline (set 命令)
... pipe.execute()
... # 如果执行时没有抛出 WatchError，我们刚才所做的确实“原子地”
... # 完成了
... break
... except WatchError:
... # 一定是其它客户端在我们开始 WATCH 和执行 pipeline 之间修改了
... # 'OUR-SEQUENCE-KEY'，我们最好的选择是重试
... continue
注意，因为在整个 WATCH 过程中，Pipeline 必须绑定到一个连接，必须调用 reset() 方法确保连接返回连接池。如果 Pipeline 用作 Context Manager(如上面的例子所示)， reset() 会自动调用。当然，也可以用手动的方式明确调用 reset():
>>> pipe = r.pipeline()
>>> while 1:
... try:
... pipe.watch('OUR-SEQUENCE-KEY')
... current_value = pipe.get('OUR-SEQUENCE-KEY')
... next_value = unicode(int(current_value) + 1)
... pipe.multi()
... pipe.set('OUR-SEQUENCE-KEY', next_value)
... pipe.execute()
... break
... except WatchError:
... continue
... finally:
... pipe.reset()
重点(译者注):
·WATCH 执行后，pipeline 被设置成立即执行模式
·用 MULTI 命令把 pipeline 设置成缓冲模式
·要么使用 with，要么显式调用 reset()
有一个简便的名为“transaction”的方法来处理这种处理和在 WatchError 重试的模式。它的参数是一个可执行对象和要 WATCH 任意个数的键，其中可执行对象接受一个 pipeline 对象做为参数。上面的客户端 INCR 命令可以重写如下（更可读）:
>>> def client_side_incr(pipe):
... current_value = pipe.get('OUR-SEQUENCE-KEY')
... next_value = unicode(int(current_value) + 1)
... pipe.multi()
... pipe.set('OUR-SEQUENCE-KEY', next_value)
>>>
>>> r.transaction(client_side_incr, 'OUR-SEQUENCE-KEY')