linux安装单机版redis详细步骤,及python连接redis案例

简介: 这篇文章提供了在Linux系统中安装单机版Redis的详细步骤,并展示了如何配置Redis为systemctl启动,以及使用Python连接Redis进行数据操作的案例。

linux相关工具

./redis-benchmark     #用于进行redis性能测试的工具 
./redis-check-dump    #用于修复出问题的dump.rdb文件    
./redis-cli           #redis的客户端
./redis-server        #redis的服务端
./redis-check-aof     #用于修复出问题的AOF文件
./redis-sentinel      #用于集群管理

yum方式安装redis

yum安装版本固定,不能达到我们的需求

yum -y install redis

使用编译安装redis



mkdir -p /data/application     //创建工作目录

cd  /data/application
wget http://download.redis.io/releases/redis-5.0.10.tar.gz   //下载redis

tar xf redis-5.0.10.tar.gz    //解压

mv redis-5.0.10/ redis

cd redis/

yum install -y gcc make     //安装编译工具

make       //编译安装

cp redis.conf redis.conf.bak     //备份编译后的配置文件

vim redis.conf     //配置文件
bind 0.0.0.0            #所有ip可以访问
daemonize yes         #开启后台模式将on改为yes
timeout 300          #连接超时时间
port 6379                #端口号
dir /data/application/redis/data  #本地数据库存放持久化数据的目录该目录-----需要存在
pidfile /var/run/redis_6379.pid   #定义pid文件存放位置
logfile /var/log/redis.log        #定义log文件存放位置

创建存放数据的目录
mkdir -p /data/application/redis/data

配置redis为systemctl启动

cd /lib/systemd/system
vim redis.service

[Unit]
Description=Redis
After=network.target

[Service]
ExecStart=/data/application/redis/src/redis-server /data/application/redis/redis.conf --daemonize no 
ExecStop=/data/application/redis/src/redis-cli shutdown 

[Install]
WantedBy=multi-user.target
===================================
参数详解:
[Unit] 表示这是基础信息 
Description 是描述
After 是在那个服务后面启动,一般是网络服务启动后启动

[Service] 表示这里是服务信息 
ExecStart 是启动服务的命令
ExecStop 是停止服务的指令

[Install] 表示这是是安装相关信息 
WantedBy 是以哪种方式启动:multi-user.target表明当系统以多用户方式(默认的运行级别)启动时,这个服务需要被自动运行。
=====================================
启动服务:
systemctl daemon-reload
systemctl start redis.service


配置环境变量启动
vim /etc/profile
export PATH=$PATH:/redis文件目录/src

source /etc/profile    刷新环境变量文件


启动
redis/src/redis-server redis/redis.conf --daemonize yes   //本机


停止
redis/src/redis-cli shutdown    //本机
redis/src/redis-cli -h ip -p 端口  shutdown

其它: 安装redis6.0

# 下载压缩包
wget https://download.redis.io/releases/redis-6.2.1.tar.gz

# 解压
tar xzf redis-6.2.1.tar.gz

# 进入压缩包
cd redis-6.2.1

# 编译安装
make

# 终端启动
src/redis-server

# 进入redis终端界面
src/redis-cli
redis> set foo bar
OK
redis> get foo
"bar"

# 启动,进入redis安装目录: /home/xxx/redis-6.2.1 ,执行:
nohup src/redis-server &

# 关闭保护模式和设置密码,如下设置密码为:redisxxx,然后退出
src/redis-cli
redis>config get protected-mode
redis>config set protected-mode no
redis>config get requirepass
redis>config set requirepass "redisxxx"
redis>quit

# 再访问终端时需要加上密码
src/redis-cli -a redisxxx

python连接redis案例

# -*- encoding: utf-8 -*-
import time
import redis

# 连接方式一: 直接连接Redis数据库
client = redis.Redis(host='123.56.xx.xx', port=6379, password='redisredis', db=2, decode_responses=True)
# print(client)
# 连接方式二: 创建Redis连接池,用于管理所有连接,避免每次建立、释放连接的开销
# pool = redis.ConnectionPool(host='123.56.67.212', port=6379, decode_responses=True)
# client = redis.Redis(connection_pool=pool)


# 连接数据库
# client = redis.StrictRedis(host='123.56.67.212', port=6379, password='redisredis', db=1)


def write_str():
    """# 写入字符串类型的数据"""
    client.set('name11', 'Django11')
    # 获取name的数据
    print('获取数据方法一:', client['name11'])
    # print('获取数据方法二:', client.get('name'), client.get('name').decode())

    client.set(name='string', value='Python')
    # 获取字符串的数据
    print('获取字符串的数据:', client['string'])
    print('获取字符串的数据:', client.get('string'))


def write_hset():
    # 写入散列类型的数据
    # client.hset(name='hash', key='name', value='Tom')
    # client.hset(name='hash', key='age', value=10)
    # client.hset(name='hash', key='address', value='UK')
    # # 获取散列的数据
    # print('获取散列的数据:', client.hget(name='hash', key='name'))

    with client.pipeline(transaction=False) as pipe:
        start = time.time()
        for i in range(1, 10000):
            pipe.lpush('num_data', f'num{i}')
            # pipe.hset()
            if i % 100 == 0:
                try:
                    res = pipe.execute()
                    print(res)
                except Exception as e:
                    print(e)
        print("程序耗时:", time.time() - start)


    # # 创建管道对象
    # pipe = client.pipeline()
    # client.hset(name='my_hmset', key='zhangsan', value=0)
    # client.hset(name='lisi', key='zhangsan', value=0)
    # client.hset(name='wangwu', key='zhangsan', value=0)
    # client.hset(name='zhaoliu', key='zhangsan', value=0)
    # ret = pipe.execute()
    #

    # client.hset(name='data_type', key='size', value='Tom')
    # client.hset(name='data_type', key='num', value=10)
    # # 获取散列的数据
    # print('获取散列的数据:', client.hget(name='hash', key='name'))


def write_list():
    # 写入列表类型的数据: 将元素写入列表的左边
    client.lpush('list', 'Mr Li', 'Miss Lu')
    # 将元素写入列表的右边
    client.rpush('list', 'Miss Wang', 'Mir Zhang')
    # 获取列表的数据
    # lpop()从最左边获取元素,数据获取后在数据库中移除
    print('获取列表的数据:', client.lpop('list'))
    # rpop()从最右边获取元素,数据获取后在数据库中移除
    print('获取列表的数据:', client.rpop('list'))


def write_set():
    # 写入集合类型的数据
    client.sadd('set', 'UK', 'CN', 'US', 'JP')
    # 获取集合的数据
    print('获取集合的数据:', client.smembers('set'))

    # # 写入有序集合类型的数据,每个数据设有权重,权重以整数表示
    # client.zadd(name='sord_set', mapping={'GZ': 1, 'BJ': 2, 'SZ': 3, 'SH': 4})
    # # 获取有序集合的数据
    # print('获取有序集合的数据:', client.zrange('sord_set', 0, -1))


def write_bytes():
    # 写入位图类型的数据
    # 将bytes的数据设为字符串数据
    client.set(name='bytes', value='Python')
    print('二进制数据的第二位数为:', client.getbit(name='bytes', offset=1))
    # setbit()将字符串数据转为二进制数据,然后将第二位数改为0
    client.setbit(name='bytes', offset=1, value=0)


def write_stream():
    # 写入流类型的数据
    stream_id = client.xadd(name='stream', fields={
   'name': 'Tom'})
    # 获取流数据的id
    print('获取流数据的id:', stream_id)
    stream_id = client.xadd(name='stream', fields={
   'msg': 'Hello Python'})
    # 获取流数据的id
    print('获取流数据的id:', stream_id)


if __name__ == '__main__':
    # write_str()
    # write_hset()
    # write_list()
    write_set()
    # write_bytes()
    # write_stream()
相关文章
|
8天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
4天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2463 14
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
4天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1502 14
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
1月前
|
运维 Cloud Native Devops
一线实战:运维人少,我们从 0 到 1 实践 DevOps 和云原生
上海经证科技有限公司为有效推进软件项目管理和开发工作,选择了阿里云云效作为 DevOps 解决方案。通过云效,实现了从 0 开始,到现在近百个微服务、数百条流水线与应用交付的全面覆盖,有效支撑了敏捷开发流程。
19274 29
|
1月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
18822 20
|
1月前
|
Rust Apache 对象存储
Apache Paimon V0.9最新进展
Apache Paimon V0.9 版本即将发布,此版本带来了多项新特性并解决了关键挑战。Paimon自2022年从Flink社区诞生以来迅速成长,已成为Apache顶级项目,并广泛应用于阿里集团内外的多家企业。
17515 13
Apache Paimon V0.9最新进展
|
6天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
365 11
|
1月前
|
存储 人工智能 前端开发
AI 网关零代码解决 AI 幻觉问题
本文主要介绍了 AI Agent 的背景,概念,探讨了 AI Agent 网关插件的使用方法,效果以及实现原理。
18697 16
|
2天前
|
算法 Java
JAVA并发编程系列(8)CountDownLatch核心原理
面试中的编程题目“模拟拼团”,我们通过使用CountDownLatch来实现多线程条件下的拼团逻辑。此外,深入解析了CountDownLatch的核心原理及其内部实现机制,特别是`await()`方法的具体工作流程。通过详细分析源码与内部结构,帮助读者更好地理解并发编程的关键概念。
|
2天前
|
SQL 监控 druid
Druid连接池学习
Druid学习笔记,使用Druid进行密码加密。参考文档:https://github.com/alibaba/druid
195 82