面试题：Python优化Redis性能及高可用架构

性能优化策略

连接池复用：
- 原理：减少每次操作Redis时创建和销毁连接的开销。在大规模并发场景下，频繁创建连接会消耗大量资源，复用连接可以显著提升性能。
- 示例：

import redis

pool = redis.ConnectionPool(host='localhost', port=6379, db = 0)
r = redis.Redis(connection_pool = pool)

批量操作：
- 原理：减少网络通信次数。每次Redis操作都需要进行网络交互，将多个操作合并成一次批量操作可以降低网络开销。
- 示例：

pipe = r.pipeline()
pipe.set('key1', 'value1')
pipe.set('key2', 'value2')
pipe.execute()

合理使用数据结构：
- 原理：不同的Redis数据结构适用于不同的场景，选择合适的数据结构可以提高存储和读取效率。例如，对于需要频繁插入和删除的场景，使用list或hash可能比set更合适。
- 示例：如果要存储用户信息，可以使用hash结构：

user_info = {
    'name': 'John',
    'age': 30
}
r.hmset('user:1', user_info)

优化序列化：
- 原理：如果存储的是复杂数据类型（如Python对象），需要进行序列化。选择高效的序列化方式（如pickle或msgpack）可以减少数据传输和存储的大小，提升性能。
- 示例：使用msgpack进行序列化

import msgpack
data = {'key': 'value'}
packed = msgpack.packb(data)
r.set('msgpack_key', packed)
unpacked = msgpack.unpackb(r.get('msgpack_key'))

代码适配不同节点架构

主从模式

适配要点：主节点负责写操作，从节点负责读操作。在Python代码中，需要分别配置主从节点的连接。
关键代码示例：

# 主节点连接
master_pool = redis.ConnectionPool(host='master_host', port=6379, db = 0)
master_r = redis.Redis(connection_pool = master_pool)
# 从节点连接
slave_pool = redis.ConnectionPool(host='slave_host', port=6379, db = 0)
slave_r = redis.Redis(connection_pool = slave_pool)

# 写操作到主节点
master_r.set('key', 'value')
# 读操作从从节点
value = slave_r.get('key')

哨兵模式

适配要点：使用redis - py库中的Sentinel类来管理主从节点。当主节点发生故障时，哨兵会自动选举新的主节点，代码需要能够动态感知这种变化。
关键代码示例：

from redis.sentinel import Sentinel

sentinel = Sentinel([('sentinel_host', 26379)], socket_timeout = 0.1)
master = sentinel.master_for('mymaster', socket_timeout = 0.1)
slave = sentinel.slave_for('mymaster', socket_timeout = 0.1)

master.set('key', 'value')
value = slave.get('key')

集群模式

适配要点：使用redis - py - cluster库来操作Redis集群。该库会自动处理节点间的路由和故障转移。
关键代码示例：

from rediscluster import RedisCluster

startup_nodes = [{"host": "127.0.0.1", "port": "7000"}]
rc = RedisCluster(startup_nodes = startup_nodes, decode_responses = True)

rc.set('key', 'value')
value = rc.get('key')

星途面试题库

面试题：Python优化Redis性能及高可用架构

知识考点

面试题答案

性能优化策略

代码适配不同节点架构

主从模式

哨兵模式

集群模式