涉及到的key:

1. login，hash结构，存储用户token与用户ID之间的映射。

2. recent_tokens，存储最近登陆用户token，zset结构

　　member: token，score: 登陆时间戳

3. viewed_token，存储token对应用户的浏览商品集合，zset结构，

　　member: 商品ID，score: 浏览时间戳

4. cart_token, 存储token对应用户的购物车，hash结构，key:商品ID，value: 商品数量

5. schedule, zset结构， member为数据行的行ID，score是一个时间戳，对应何时将指定的数据行缓存到Redis里面

6. delay，zset结构， member为数据行的行ID，score记录了指定数据行的缓存需要每隔多少秒更新一次。

7. viewed, zset结构， member:商品ID， score: 商品浏览次数，用负数表示，浏览次数最高的商品，其索引值为0

# python3# -*- coding: utf-8 -*-import redisimport timeimport jsondef check_token(conn, token):    return conn.hget('login', token)def update_token(conn, token, user, item=None):    timestamp = time.time()    conn.hset('login', token, user)    conn.zadd('recent_tokens', token, timestamp)    # 用户正在浏览的是一个商品页面    if item:        conn.zadd('viewed_' + token, item, timestamp)        # 只保留用户最近浏览过的25个商品        conn.zremrangebyrank('viewed_' + token, 0, -26)        # 采用负数表示页面浏览次数，浏览次数越高的页面，其索引值越小        conn.zincrby('viewed', item, -1)QUIT = FalseLIMIT = 10000000# 应该用守护进程来执行这个函数或者做成定时任务#清除内容包括: recent_tokens，login，用户对应的浏览记录、购物车def clean_full_session(conn):    while not QUIT:        size = conn.zcard('recent_tokens')        if size <= LIMIT:            time.sleep(1)            continue        end_index = min(size - LIMIT, 100)        sessions = conn.zrange('recent_tokens', 0, end_index - 1)        session_keys = []        for sess in sessions:            session_keys.append('viewed_' + sess)            session_keys.append('cart_' + sess)        conn.delete(*session_keys)        conn.hdel('login', *sessions)        conn.zrem('recent_tokens', *sessions)# 添加商品到购物车def add_to_cart(conn, session, item, count):    if count <= 0:        conn.hrem('cart_' + session, item)    else:        conn.hset('cart_' + session, item, count)def can_cache(conn,request):    item_id = extract_item_id(request)    if not item_id or is_dynamic(request):        return False    rank = conn.zrank('viewed', item_id)    return rank is not None and rank < 1000def cache_request(conn, request, callback):    if not can_cache(conn,request):        return callback(request)    page_key = 'cache_' + hash_request(request)    content = conn.get(page_key)    if not content:        content = callback(request)        conn.setex(page_key, content, 300)    return contentdef schedule_row_cache(conn, row_id, delay):    conn.zadd('delay', row_id, delay)    conn.zadd('schedule', row_id, time.time())# 守护进程方式运行或做成定时任务def cache_rows(conn):    while not QUIT:        next = conn.zrange('schedule', 0, 0, withscores=True)        now = time.time()        if not next or next[0][1] > now:            time.sleep(.05)            continue        row_id = next[0][0]        delay = conn.zscore('delay', row_id)        if delay <= 0:            conn.zrem('delay', row_id)            conn.zrem('schedule', row_id)            conn.delete('inv_' + row_id)            continue        row = Inventory.get(row_id)        conn.zadd('schedule', row_id, now + delay)        conn.set('inv_' + row_id, json.dumps(row.to_dict()))def rescale_viewed(conn):    while not QUIT:        # 保留浏览次数最低的20000个商品        conn.zremrangebyrank('viewed', 0, -20001)        conn.zinterstore('viewed', {
   'viewed': .5})        time.sleep(300)        r = redis.Redis(host='redis_serverip', port=6379, password='redis_passwd', db=0)

 

参考资料：

《Redis实战》