在Python中实现Redis键值对添加和删除的操作指南

目录

• 一、环境准备
• 1. 安装依赖库
• 2. 连接 Redis 数据库
• 二、添加键值对操作
• 1. 添加单个键值对
• 2. 批量添加键值对
• 3. 添加带过期时间的键值对
• 4. 添加大型键值对
• 三、删除键值对操作
• 1. DELETE 命令（同步删除）
• 2. UNLINK 命令（异步删除）
• 3. DELETE vs UNLINK 对比
• 4. 删除性能对比测试
• 四、高级操作技巧
• 1. 管道操作（批量执行）
• 2. 哈希表操作
• 3. 键存在性检查
• 五、最佳实践与注意事项
• 1. 键操作选择指南
• 2. 内存管理建议
• 3. 错误处理与重试
• 4. 性能优化技巧
• 六、总结与选择建议
• 操作选择矩阵
• 核心要点总结

pip install redis

import redis

# 创建 Redis 客户端连接
r = redis.Redis(
    host='localhost',  # Redis 服务器地址
    port=6379,         # Redis 端口
    db=0,              # 数据库编号（0~15）
    password=None,     # 密码（若无密码则为 None）
    decode_responses=True  # 自动解码返回值为字符串
)

# 测试连接
try:
    r.ping()
    print("成功连接到 Redis 服务器")
except redis.ConnectionError:
    print("无法连接 Redis 服务器")

# 添加/覆盖键值对
result = r.set("username", "john_doe")
print(f"添加结果: {result}")  # 输出: True

# 添加带条件的键值对（仅当键不存在时）
result = r.set("email", "john@example.com", nx=True)
print(f"条件添加结果: {result}")  # 键不存在时返回 True，存在时返回 None

# 批量添加多个键值对
data = {
    "user:1001:name": "Alice",
    "user:1001:age": "28",
    "user:1001:city": "London"
}
result = r.mset(data)
print(f"批量添加结果: {result}")  # 输出: True

# 设置键值对并在60秒后自动过期
result = r.setex("session_token", 60, "a1b2c3d4e5")
print(f"带过期时间的添加结果: {result}")  # 输出: True

# 检查剩余生存时间
ttl = r.ttl("session_token")
print(f"剩余生存时间: {ttl}秒")  # 输出: 60

# 创建大型数据集
large_data = {f"item_{i}": f"value_{i}" for i in range(10000)}

# 添加大型哈希表
result = r.hset("large:hash", mapping=large_data)
print(f"添加大型哈希表结果: {result}")  # 输出: 添加的字段数量

# 删除单个键
result = r.delete("username")
print(f"删除单个键结果: {result}")  # 输出: 1 (成功删除)

# 删除多个键
keys_to_delete = ["user:1001:name", "user:1001:age", "non_existent_key"]
result = r.delete(*keys_to_delete)
print(f"删除多个键结果: {result}")  # 输出: 2 (实际删除的键数)

# 异步删除单个大键
result = r.unlink("large:hash")
print(f"UNLINK 单个键结果: {result}")  # 输出: 1

# 异步删除多个键
keys_to_unlink = ["session_token", "temp:data", "cache:item"]
result = r.unlink(*keys_to_unlink)
print(f"UNLINK 多个键结果: {result}")  # 输出: 实际删除的键数

特性	DELETE 命令	UNLINK 命令
执行方式	同步删除（阻塞操作）	异步删除（非阻塞操作）
适用场景	小型键值对	大型键值对（哈希、列表等）
性能影响	可能阻塞服务器	后台执行，不影响主线程
返回值	删除的键数量	删除的键数量
内存回收	立即回收	延迟回收
Python方法	.delete()	.unlink()

import time

# 创建大型测试数据
large_hash = {f"key_{i}": f"value_{i}" for i in range(50000)}
r.hset("test:large:hash", mapping=large_hash)

# 测试 DELETE 性能
start = time.time()
r.delete("test:large:hash")
delete_duration = time.time() - start

# 重新创建数据
r.hset("test:large:hash", mapping=large_hash)

# 测试 UNLINK 性能
start = time.time()
r.unlink("test:large:hash")
unlink_duration = time.time() - start

print(f"DELETE 耗时: {delete_duration:.4f}秒")
print(f"UNLINK 耗时: {unlink_duration:.4f}秒")
print(f"性能差异: DELETE 比 UNLINK 慢 {delete_duration/unlink_duration:.1f}倍")

# 使用管道批量添加和删除
with r.pipeline() as pipe:
    # 批量添加
    pipe.set("counter", 0)
    pipe.incrby("counter", 100)
    pipe.set("status", "active")
    
    # 批量删除
    pipe.delete("temp:data1", "temp:data2")
    pipe.unlink("large:cache")
    
    # 执行所有命令
    results = pipe.execute()

print(f"管道操作结果: {results}")

# 添加哈希表
r.hset("user:1002", mapping={
    "name": "Bob",
    "email": "bob@example.com",
    "age": "32"
})

# 获取哈希表字段
name = r.hget("user:1002", "name")
print(f"用户名: {name}")

# 删除哈希表字段
r.hdel("user:1002", "age")

# 获取所有字段
all_fields = r.hgetall("user:1002")
print(f"用户数据: {all_fields}")

# 检查单个键是否存在
exists = r.exists("username")
print(f"键存在: {bool(exists)}")  # 输出: True 或 False

# 检查多个键是否存在
count = r.exists("key1", "key2", "key3")
print(f"存在的键数量: {count}")

• 小型字符串键：DELETE 或 UNLINK 均可
• 大型数据结构：始终使用 UNLINK
• 批量删除操作：优先使用 UNLINK + 管道
• 需要立即释放内存：使用 DELETE
• 高并发环境：优先使用 UNLINK

# 监控内存使用情况
info = r.info("memory")
print(f"已用内存: {info['used_memory_human']}")
print(f"待删除对象: {info['lazyfree_pending_objects']}")

from redis.exceptions import ConnectionError, TimeoutError
import time

def safe_operation():
    attempts = 0
    max_attempts = 3
    
    while attempts < max_attempts:
        try:
            # 尝试执行操作
            return r.set("important:data", "critical_value", ex=30)
        except (ConnectionError, TimeoutError) as e:
            attempts += 1
            print(f"操作失败 ({attempts}/{max_attempts}): {str(e)}")
            time.sleep(2 ** attempts)  # 指数退避
    
    print("操作失败，达到最大重试次数")
    return False

safe_operation()

1. 批量操作：使用 MSET 替代多个 SET，使用管道处理批量命令
2. 键名设计：使用可读的命名空间（如 user:1000:profile）
3. 过期时间：为临时数据设置 TTL，避免手动删除
4. 异步删除：大型数据删除始终使用 UNLINK
5. 连接复用：避免频繁创建/关闭连接

场景	推荐操作	替代方案
添加小数据	SET	HSET（对象）
添加大数据	HSET/MSET	分批次添加
添加临时数据	SETEX	SET + EXPIRE
删除小数据	DELETE	UNLINK
删除大数据	UNLINK	无
批量操作	管道 + MSET/UNLINK	单独命令

添加操作：

• 使用 set() 添加单个键值对
• 使用 mset() 批量添加多个键值对
• 使用 setex() 添加带过期时间的键值对

删除操作：

• 优先使用 unlink() 进行删除（尤其大型数据）
• 仅在需要立即释放内存时使用 delete()
• 批量删除时结合管道提高效率

性能关键：

• UNLINK 比 DELETE 快数百倍（大型数据）
• 管道操作可减少网络往返时间
• 合理设置过期时间减少手动删除

最佳实践：

• 生产环境默认使用 UNLINK
• 监控 lazyfree_pending_objects 指标
• 使用指数退避策略处理连接错误

# 最终推荐操作模式
def redis_best_practice():
    # 添加数据
    r.set("app:status", "running", ex=3600)  # 带过期时间
    r.mset({"config:theme": "dark", "config:lang": "en"})
    
    # 删除数据
    r.unlink("old:cache:data")  # 大型数据
    r.unlink("temp:session:1", "temp:session:2")  # 批量删除
    
    # 使用管道
    with r.pipeline() as pipe:
        pipe.incr("counter:requests")
        pipe.expire("counter:requests", 86400)
        pipe.unlink("obsolete:key")
        pipe.execute()

通过本指南，您应该能够熟练地在 Python 中实现 Redis 的键值对添加和删除操作，理解 DELETE 和 UNLINK 的核心区别，并在不同场景下选择最优的操作策略。

以上就是在Python实现Redis键值对添加和删除的操作指南的详细内容，更多关于Python Redis键值对添加和删除的资料请关注风君子博客其它相关文章！

您可能感兴趣的文章:

• python操作redis基础
• Python连接Redis进行增删改查(CRUD)操作
• Python结合Redis开发一个消息订阅系统
• Python中操作Redis的常用方法小结