Python的Flask框架應用調用Redis隊列數據的方法
任務異步化
打開瀏覽器，輸入地址，按下回車，打開了頁面。于是一個HTTP請求（request）就由客戶端發(fā)送到服務器，服務器處理請求，返回響應（response）內容。
我們每天都在瀏覽網頁，發(fā)送大大小小的請求給服務器。有時候，服務器接到了請求，會發(fā)現(xiàn)他也需要給另外的服務器發(fā)送請求，或者服務器也需要做另外一些事情，于是最初們發(fā)送的請求就被阻塞了，也就是要等待服務器完成其他的事情。
更多的時候，服務器做的額外事情，并不需要客戶端等待，這時候就可以把這些額外的事情異步去做。從事異步任務的工具有很多。主要原理還是處理通知消息，針對通知消息通常采取是隊列結構。生產和消費消息進行通信和業(yè)務實現(xiàn)。
生產消費與隊列
上述異步任務的實現(xiàn)，可以抽象為生產者消費模型。如同一個餐館，廚師在做飯，吃貨在吃飯。如果廚師做了很多，暫時賣不完，廚師就會休息；如果客戶很多，廚師馬不停蹄的忙碌，客戶則需要慢慢等待。實現(xiàn)生產者和消費者的方式用很多，下面使用Python標準庫Queue寫個小例子：
import random
import time
from Queue import Queue
from threading import Thread
queue = Queue(10)
class Producer(Thread):
def run(self):
while True:
elem = random.randrange(9)
queue.put(elem)
print "廚師 {} 做了 {} 飯 --- 還剩 {} 飯沒賣完".format(self.name, elem, queue.qsize())
time.sleep(random.random())
class Consumer(Thread):
def run(self):
while True:
elem = queue.get()
print "吃貨{} 吃了 {} 飯 --- 還有 {} 飯可以吃".format(self.name, elem, queue.qsize())
time.sleep(random.random())
def main():
for i in range(3):
p = Producer()
p.start()
for i in range(2):
c = Consumer()
c.start()
if __name__ == '__main__':
main()
大概輸出如下：
廚師 Thread-1 做了 1 飯 --- 還剩 1 飯沒賣完 廚師 Thread-2 做了 8 飯 --- 還剩 2 飯沒賣完 廚師 Thread-3 做了 3 飯 --- 還剩 3 飯沒賣完 吃貨Thread-4 吃了 1 飯 --- 還有 2 飯可以吃 吃貨Thread-5 吃了 8 飯 --- 還有 1 飯可以吃 吃貨Thread-4 吃了 3 飯 --- 還有 0 飯可以吃 廚師 Thread-1 做了 0 飯 --- 還剩 1 飯沒賣完 廚師 Thread-2 做了 0 飯 --- 還剩 2 飯沒賣完 廚師 Thread-1 做了 1 飯 --- 還剩 3 飯沒賣完 廚師 Thread-1 做了 1 飯 --- 還剩 4 飯沒賣完 吃貨Thread-4 吃了 0 飯 --- 還有 3 飯可以吃 廚師 Thread-3 做了 3 飯 --- 還剩 4 飯沒賣完 吃貨Thread-5 吃了 0 飯 --- 還有 3 飯可以吃 吃貨Thread-5 吃了 1 飯 --- 還有 2 飯可以吃 廚師 Thread-2 做了 8 飯 --- 還剩 3 飯沒賣完 廚師 Thread-2 做了 8 飯 --- 還剩 4 飯沒賣完
Redis 隊列
Python內置了一個好用的隊列結構。我們也可以是用redis實現(xiàn)類似的操作。并做一個簡單的異步任務。
Redis提供了兩種方式來作消息隊列。一個是使用生產者消費模式模式，另外一個方法就是發(fā)布訂閱者模式。前者會讓一個或者多個客戶端監(jiān)聽消息隊列，一旦消息到達，消費者馬上消費，誰先搶到算誰的，如果隊列里沒有消息，則消費者繼續(xù)監(jiān)聽。后者也是一個或多個客戶端訂閱消息頻道，只要發(fā)布者發(fā)布消息，所有訂閱者都能收到消息，訂閱者都是ping的。
生產消費模式
主要使用了redis提供的blpop獲取隊列數據，如果隊列沒有數據則阻塞等待，也就是監(jiān)聽。
import redis
class Task(object):
def __init__(self):
self.rcon = redis.StrictRedis(host='localhost', db=5)
self.queue = 'task:prodcons:queue'
def listen_task(self):
while True:
task = self.rcon.blpop(self.queue, 0)[1]
print "Task get", task
if __name__ == '__main__':
print 'listen task queue'
Task().listen_task()
發(fā)布訂閱模式
使用redis的pubsub功能，訂閱者訂閱頻道，發(fā)布者發(fā)布消息到頻道了，頻道就是一個消息隊列。
import redis
class Task(object):
def __init__(self):
self.rcon = redis.StrictRedis(host='localhost', db=5)
self.ps = self.rcon.pubsub()
self.ps.subscribe('task:pubsub:channel')
def listen_task(self):
for i in self.ps.listen():
if i['type'] == 'message':
print "Task get", i['data']
if __name__ == '__main__':
print 'listen task channel'
Task().listen_task()
Flask 入口
我們分別實現(xiàn)了兩種異步任務的后端服務，直接啟動他們，就能監(jiān)聽redis隊列或頻道的消息了。簡單的測試如下：
import redis
import random
import logging
from flask import Flask, redirect
app = Flask(__name__)
rcon = redis.StrictRedis(host='localhost', db=5)
prodcons_queue = 'task:prodcons:queue'
pubsub_channel = 'task:pubsub:channel'
@app.route('/')
def index():
html = """
<br>
<center><h3>Redis Message Queue</h3>
<br>
<a href="/prodcons">生產消費者模式</a>
<br>
<br>
<a href="/pubsub">發(fā)布訂閱者模式</a>
</center>
"""
return html
@app.route('/prodcons')
def prodcons():
elem = random.randrange(10)
rcon.lpush(prodcons_queue, elem)
logging.info("lpush {} -- {}".format(prodcons_queue, elem))
return redirect('/')
@app.route('/pubsub')
def pubsub():
ps = rcon.pubsub()
ps.subscribe(pubsub_channel)
elem = random.randrange(10)
rcon.publish(pubsub_channel, elem)
return redirect('/')
if __name__ == '__main__':
app.run(debug=True)
啟動腳本，使用
siege -c10 -r 5 http://127.0.0.1:5000/prodcons siege -c10 -r 5 http://127.0.0.1:5000/pubsub
可以分別在監(jiān)聽的腳本輸入中看到異步消息。在異步的任務中，可以執(zhí)行一些耗時間的操作，當然目前這些做法并不知道異步的執(zhí)行結果，如果需要知道異步的執(zhí)行結果，可以考慮設計協(xié)程任務或者使用一些工具如RQ或者celery等。
相關文章
關于Matplotlib繪制動態(tài)實時曲線的方法改進指南
這篇文章主要給大家介紹了關于Matplotlib繪制動態(tài)實時曲線的相關資料,matplotlib是python里最popular的畫圖工具,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2021-06-06
今天小編就為大家分享一篇解決python3 安裝不了PIL的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
這篇文章主要介紹了Python中numpy.pad()函數的使用詳解,在卷積神經網絡中,為了避免卷積運算導致輸出圖像縮小和圖像邊緣信息丟失,常常采用圖像邊緣填充技術,即在圖像四周邊緣填充0,使得卷積運算后圖像大小不會縮小,同時也不會丟失邊緣和角落的信息,需要的朋友可以參考下2023-10-10
這篇文章主要介紹了Python smallseg分詞用法,以實例形式分析了Python實現(xiàn)分析的相關技巧,需要的朋友可以參考下2015-05-05
Joblib是用于高效并行計算的Python開源庫,其提供了簡單易用的內存映射和并行計算的工具,以將任務分發(fā)到多個工作進程中,這篇文章主要介紹了Python并行計算庫Joblib使用指北,需要的朋友可以參考下2024-08-08
這篇文章主要介紹了使用python操作lmdb對數據讀取的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-12-12
這篇文章主要介紹了python 微信好友特征數據分析及可視化，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-01-01
Python正則表達式在使用中會經常應用到字符串替換的代碼。這篇文章主要介紹了Python正則表達式如何進行字符串替換,具有一定的參考價值，感興趣的小伙伴們可以參考一下。2016-12-12
今天小編就為大家分享一篇Python繪制股票移動均線的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
今天小編就為大家分享一篇Django項目后臺不掛斷運行的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08