hiredis-py 技术文档
2024-12-20 05:35:01作者:史锋燃Gardner
1. 安装指南
1.1 系统要求
- Python 3.8+:hiredis-py 需要 Python 3.8 或更高版本。
- Python 开发头文件:在安装 hiredis-py 时,确保系统中已安装 Python 开发头文件。在 Ubuntu/Debian 系统上,可以通过以下命令安装:
sudo apt-get install python3-dev
1.2 安装步骤
hiredis-py 可以通过 PyPI 进行安装,使用以下命令即可:
pip install hiredis
1.3 手动构建与测试
如果你需要手动构建和测试 hiredis-py,可以按照以下步骤操作:
- 克隆仓库并递归初始化子模块:
git clone --recurse-submodules https://github.com/redis/hiredis-py - 编译并构建扩展:
python setup.py build_ext --inplace - 运行测试:
python -m pytest
2. 项目使用说明
2.1 基本使用
hiredis-py 提供了一个 Reader 类,用于解析从 Redis 连接中读取的数据流。Reader 类不处理 I/O,仅负责解析回复。
2.1.1 创建 Reader 实例
import hiredis
reader = hiredis.Reader()
2.1.2 解析回复
Reader 类有两个主要方法:
feed(data):将数据追加到内部缓冲区。gets():从缓冲区中读取并返回一个完整的回复。
示例:
reader.feed("$5\r\nhello\r\n")
reply = reader.gets()
print(reply) # 输出: b'hello'
2.2 处理 Unicode 数据
Reader 类支持将批量数据解码为任何 Python 支持的编码格式。可以通过在初始化 Reader 时指定 encoding 和 errors 参数来实现。
示例:
reader = hiredis.Reader(encoding="utf-8", errors="strict")
reader.feed(b"$3\r\n\xe2\x98\x83\r\n")
reply = reader.gets()
print(reply) # 输出: '☃'
2.3 错误处理
- 协议错误:当发生协议错误时,会抛出
hiredis.ProtocolError异常。 - Redis 错误回复:Redis 返回的错误回复(如
-ERR ...)会返回hiredis.ReplyError对象,但不会抛出异常。
3. 项目 API 使用文档
3.1 Reader 类
-
__init__(self, encoding=None, errors='strict', notEnoughData=False, protocolError=ProtocolError, replyError=ReplyError)encoding:指定解码批量数据的编码格式。errors:指定解码错误处理方式,默认为'strict'。notEnoughData:当缓冲区中没有足够数据时返回的自定义对象。protocolError:自定义协议错误类。replyError:自定义 Redis 错误回复类。
-
feed(self, data)- 将数据追加到内部缓冲区。
-
gets(self)- 从缓冲区中读取并返回一个完整的回复。如果缓冲区中没有足够的数据,返回
False或自定义的notEnoughData对象。
- 从缓冲区中读取并返回一个完整的回复。如果缓冲区中没有足够的数据,返回
4. 项目安装方式
4.1 通过 PyPI 安装
pip install hiredis
4.2 手动构建与安装
- 克隆仓库并递归初始化子模块:
git clone --recurse-submodules https://github.com/redis/hiredis-py - 编译并构建扩展:
python setup.py build_ext --inplace - 运行测试:
python -m pytest
通过以上步骤,你可以成功安装并使用 hiredis-py 项目。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0116
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220