Fastapi教程：使用 aioredis 连接池执行Redis 的高效异步操作

在构建高性能的 Web 应用时，缓存系统是一个至关重要的组成部分。Redis 是最常见的缓存系统之一，它提供了高效的存储与读取机制。然而，在与 Redis 进行频繁交互时，创建和销毁连接可能会成为瓶颈。为了优化这一问题，我们可以使用 Redis 连接池。

在本篇博客中，我们将介绍如何在 FastAPI 中使用 aioredis 连接池进行 Redis 的高效异步操作，并讲解如何设置连接池的大小来优化 Redis 操作。

为什么使用 Redis 连接池？

Redis 连接池提供了以下优势：

  • 高效的连接复用：通过连接池，多个请求可以复用 Redis 连接，避免了频繁地创建和销毁连接，提升性能。
  • 资源管理：连接池可以限制最大连接数，防止过多的连接导致 Redis 服务器过载。
  • 简化代码：与每次手动创建 Redis 连接相比，连接池能够自动管理连接生命周期，简化代码。

aioredis 是一个 Python 异步 Redis 客户端，它支持 asyncio，能够在 FastAPI 这样的异步框架中高效工作。

环境准备

首先，确保安装了 fastapi 和 aioredis：

pip install fastapi
pip install uvicorn
pip install aioredis

创建 Redis 连接池依赖

我们将使用依赖注入来管理 Redis 连接池。通过定义一个依赖函数，FastAPI 可以在每个请求生命周期内为我们提供 Redis 连接池。

1. 创建 Redis 连接池

在创建 Redis 连接池时，我们可以设置连接池的最大连接数和最小连接数。aioredis.create_redis_pool 函数提供了这些参数。通过设置适当的连接池大小，我们可以优化 Redis 的使用，避免连接数过多导致 Redis 服务器负载过高。

  • minsize：连接池的最小连接数。即使没有请求，连接池也会保持至少这么多连接。
  • maxsize：连接池的最大连接数。当连接池中连接数达到最大值时，新的请求将被阻塞，直到有连接空闲。

创建带有连接池大小配置的 Redis 连接池

import aioredis
from fastapi import FastAPI, Depends
from typing import AsyncGenerator# Redis 配置
REDIS_HOST = "localhost"
REDIS_PORT = 6379
REDIS_DB = 0
REDIS_POOL_MIN_SIZE = 10  # 最小连接数
REDIS_POOL_MAX_SIZE = 50  # 最大连接数# FastAPI 应用实例
app = FastAPI()# Redis 连接池依赖函数
async def get_redis_pool() -> AsyncGenerator[aioredis.Redis, None]:"""创建并返回 Redis 连接池。通过依赖注入管理 Redis 连接池。"""redis = await aioredis.create_redis_pool((REDIS_HOST, REDIS_PORT),db=REDIS_DB,encoding="utf-8",minsize=REDIS_POOL_MIN_SIZE,  # 设置最小连接数maxsize=REDIS_POOL_MAX_SIZE   # 设置最大连接数)try:yield redisfinally:redis.close()await redis.wait_closed()

在上述代码中，我们设置了最小连接数 (REDIS_POOL_MIN_SIZE) 为 10，最大连接数 (REDIS_POOL_MAX_SIZE) 为 50。根据应用的并发需求，可以调整这些值来平衡性能和资源消耗。

2. 定义路由并使用依赖注入

接下来，我们将依赖注入 Redis 连接池到 FastAPI 的路由处理函数中。这样，Redis 连接池将作为一个参数传入每个需要与 Redis 交互的路由。

示例 1：设置缓存
@app.post("/cache/{key}")
async def cache_data(key: str, value: str, redis: aioredis.Redis = Depends(get_redis_pool)):"""设置缓存数据"""try:await redis.set(key, value)return {"message": "Data cached successfully", "key": key, "value": value}except Exception as e:return {"error": str(e)}
示例 2：获取缓存
@app.get("/cache/{key}")
async def get_cached_data(key: str, redis: aioredis.Redis = Depends(get_redis_pool)):"""获取缓存数据"""try:value = await redis.get(key)if value is None:return {"message": "Key not found"}return {"key": key, "value": value}except Exception as e:return {"error": str(e)}
示例 3：删除缓存
@app.delete("/cache/{key}")
async def delete_cached_data(key: str, redis: aioredis.Redis = Depends(get_redis_pool)):"""删除缓存数据"""try:result = await redis.delete(key)if result == 0:return {"message": "Key not found"}return {"message": f"Data with key {key} deleted successfully"}except Exception as e:return {"error": str(e)}

在这些路由中，redis: aioredis.Redis = Depends(get_redis_pool) 表示 FastAPI 会自动调用 get_redis_pool 来提供一个 Redis 连接池实例。通过这种方式，我们可以避免手动管理 Redis 连接池，并保持代码的简洁和模块化。

3. 启动和关闭事件

为了确保 Redis 连接池在 FastAPI 应用启动时创建并在关闭时清理，我们需要在 @app.on_event("startup") 和 @app.on_event("shutdown") 事件中进行相应的管理。这个管理已经在 get_redis_pool 函数中实现，因为 Redis 连接池会在 yield 语句之后关闭。

因此，我们不需要在 FastAPI 中显式管理 Redis 连接池的启动和关闭，FastAPI 会自动处理。

完整代码示例

以下是完整的代码示例，展示了如何在 FastAPI 中使用 Redis 连接池和依赖注入，并设置连接池大小：

import aioredis
from fastapi import FastAPI, HTTPException, Depends
from typing import AsyncGenerator# Redis 配置
REDIS_HOST = "localhost"
REDIS_PORT = 6379
REDIS_DB = 0
REDIS_POOL_MIN_SIZE = 10  # 最小连接数
REDIS_POOL_MAX_SIZE = 50  # 最大连接数# FastAPI 应用实例
app = FastAPI()# Redis 连接池依赖函数
async def get_redis_pool() -> AsyncGenerator[aioredis.Redis, None]:"""创建并返回 Redis 连接池。通过依赖注入管理 Redis 连接池。"""redis = await aioredis.create_redis_pool((REDIS_HOST, REDIS_PORT),db=REDIS_DB,encoding="utf-8",minsize=REDIS_POOL_MIN_SIZE,  # 设置最小连接数maxsize=REDIS_POOL_MAX_SIZE   # 设置最大连接数)try:yield redisfinally:redis.close()await redis.wait_closed()@app.post("/cache/{key}")
async def cache_data(key: str, value: str, redis: aioredis.Redis = Depends(get_redis_pool)):"""设置缓存数据"""try:await redis.set(key, value)return {"message": "Data cached successfully", "key": key, "value": value}except Exception as e:return {"error": str(e)}@app.get("/cache/{key}")
async def get_cached_data(key: str, redis: aioredis.Redis = Depends(get_redis_pool)):"""获取缓存数据"""try:value = await redis.get(key)if value is None:return {"message": "Key not found"}return {"key": key, "value": value}except Exception as e:return {"error": str(e)}@app.delete("/cache/{key}")
async def delete_cached_data(key: str, redis: aioredis.Redis = Depends(get_redis_pool)):"""删除缓存数据"""try:result = await redis.delete(key)if result == 0:return {"message": "Key not found"}return {"message": f"Data with key {key} deleted successfully"}except Exception as e:return {"error": str(e)}

总结

在本篇博客中，我们介绍了如何在 FastAPI 中使用 aioredis 连接池来实现异步 Redis 操作，并且讲解了如何配置连接池的最小连接数和最大连接数。通过设置合适的连接池大小，可以有效管理 Redis 连接，提升性能并避免 Redis 服务器过载。

使用 Redis 连接池的主要优势是提升性能、简化代码并合理管理资源。在构建高并发的 Web 应用时，连接池是优化 Redis 使用的重要工具。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/pingmian/64138.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

激活函数-swiGLU

激活函数-swiGLU

swiGLU（Switch Gated Linear Unit）简介 swiGLU 是一种改进的激活函数模块，主要用于深度学习中的 Transformer 模型和其他神经网络架构。它在 GLU（Gated Linear Unit） 的基础上进行了修改，以提升模型的表现…
阅读更多...
Unix 传奇 | 谁写了 Linux | Unix birthmark

Unix 传奇 | 谁写了 Linux | Unix birthmark

注：本文为 “左耳听风”陈皓的 unix 相关文章合辑。 皓侠已走远，文章有点“年头”，但值得一阅。 文中部分超链已沉寂。 Unix 传奇 (上篇) 2010 年 04 月 09 日 陈皓 了解过去，我们才能知其然，更知所以然。总结过去…
阅读更多...
记一个framebuffer显示混乱的低级错误

记一个framebuffer显示混乱的低级错误

记一个framebuffer显示混乱的低级错误 由于framebuffer的基础知识不扎实，这个任务上我多卡了两天，差点把我搞死，于此记录为后鉴。 打算用awtk做一个多进程项目，计划把framebuffer的内容通过websocket输出到浏览器上去显示画面, …
阅读更多...
常用的前端框架介绍

常用的前端框架介绍

在前端开发中，有许多流行的框架能够帮助开发者更高效地构建用户界面和交互 1. React： • React是一个由Facebook开发的JavaScript库，用于构建用户界面。 • 它使用组件化的思想，将UI拆分成可复用的组件，每个组件都有自…
阅读更多...
Kaggler日志-Day4

Kaggler日志-Day4

进度24/12/14 昨日复盘： Pandas课程完成 Intermediate Mechine Learning2/7 今日记录： Intermediate Mechine Learning之类型变量 读两篇讲解如何提问的文章，在提问区里发起一次提问 实战：自己从头到尾首先Housing Prices Compe…
阅读更多...
【21天学习AI底层概念】day5 机器学习的三大类型不能解决哪些问题？

【21天学习AI底层概念】day5 机器学习的三大类型不能解决哪些问题？

机器学习的三大类型——监督学习、无监督学习和强化学习，虽然可以应用于许多问题，但并非所有问题都能通过这些方法有效解决。每种类型的机器学习都有其局限性，具体如下： 1. 监督学习 (Supervised Learning) 监督学习是通过训练数…
阅读更多...
【常考前端面试题总结】---2025

【常考前端面试题总结】---2025

React fiber架构 1.为什么会出现 React fiber 架构? React 15 Stack Reconciler 是通过递归更新子组件 。由于递归执行，所以更新一旦开始，中途就无法中断。当层级很深时，递归更新时间超过了 16ms，用户交互就会卡顿。对于特别庞…
阅读更多...
二三(Node2)、Node.js 模块化、package.json、npm 软件包管理器、nodemon、Express、同源、跨域、CORS

二三(Node2)、Node.js 模块化、package.json、npm 软件包管理器、nodemon、Express、同源、跨域、CORS

1. Node.js 模块化 1.1 CommonJS 标准 utils.js /*** 目标：基于 CommonJS 标准语法，封装属性和方法并导出*/ const baseURL "http://hmajax.itheima.net"; const getArraySum (arr) > arr.reduce((sum, item) > (sum item), 0);mo…
阅读更多...
Java爬虫设计：淘宝商品详情接口数据获取

Java爬虫设计：淘宝商品详情接口数据获取

1. 概述 淘宝商品详情接口（如Taobao.item_get）允许开发者通过编程方式，以JSON格式实时获取淘宝商品的详细信息，包括商品标题、价格、销量等。本文档将介绍如何设计一个Java爬虫来获取这些数据。 2. 准备工作 在开始之前&#x…
阅读更多...
LeetCode-hot100-73

LeetCode-hot100-73

https://leetcode.cn/problems/largest-rectangle-in-histogram/description/?envTypestudy-plan-v2&envIdtop-100-liked 84. 柱状图中最大的矩形 已解答 困难 相关标签 相关企业 给定 n 个非负整数，用来表示柱状图中各个柱子的高度。每个柱子彼此相邻&#x…
阅读更多...
深度学习中损失函数(loss function)介绍

深度学习中损失函数(loss function)介绍

深度学习中损失函数(loss function)介绍 ​ 在深度学习的宏伟城堡中，损失函数扮演着国王的角色，它决定了模型训练的方向和目标。损失函数，也被称为代价函数，是衡量模型预测与实际结果之间差异的函数。在深度学习的训练过程中&…
阅读更多...
【docker】springboot 服务提交至docker

【docker】springboot 服务提交至docker

准备docker （不是docker hub或者harbor，就是可以运行docker run的服务），首先确保docker已经安装。 本文以linux下举例说明： systemctl stats docker ● docker.service - Docker Application Container EngineLoaded…
阅读更多...
【新版】阿里云ACP云计算题库及答案解析

【新版】阿里云ACP云计算题库及答案解析

阿里云ACO云计算考试提醒都是选择题，70道单选题30道单选题，聪明的小伙伴都知道刷题备考加深记忆，给大家分享一波阿里云ACP云计算题库及答案，希望对大家顺利拿到阿里云ACP云计算高级工程师证书有所帮助！ 1、设计云上架…
阅读更多...
通过ajax的jsonp方式实现跨域访问，并处理响应

通过ajax的jsonp方式实现跨域访问，并处理响应

一、场景描述 现有一个项目A，需要请求项目B的某个接口，并根据B接口响应结果A处理后续逻辑。 二、具体实现 1、前端 前端项目A发送请求，这里通过jsonp的方式实现跨域访问。 $.ajax({ url:http://10.10.2.256:8280/ssoCheck, //请求的u…
阅读更多...
Unity 沿圆周创建Sphere

Unity 沿圆周创建Sphere

思路 取圆上任意一点连接圆心即为半径，以此半径为斜边作直角三角形。当已知圆心位置与半径长度时，即可得该点与圆心在直角三角形两直角边方向上的位置偏移，从而得出该点的位置。 实现 核心代码 offsetX radius * Mathf.Cos(angle * Mathf…
阅读更多...
【CUDA】CUBLAS

【CUDA】CUBLAS

【CUDA】CUBLAS 在深入了解之前，提前运行预热（warmup）和基准测试（benchmark runs） 是获得准确执行时间的关键。如果不进行预热运行，cuBLAS 的首次运行会有较大的开销（大约 45 毫秒）…
阅读更多...
9. 高效利用Excel设置归档Tag

9. 高效利用Excel设置归档Tag

高效利用Excel设置归档Tag 1. Excle批量新建/修改归档Tag2. 趋势记录模型批量导入归档Tag（Method1）2. 趋势记录模型批量导入归档Tag（Method2）3. 趋势记录控件1. Excle批量新建/修改归档Tag Fcatory Talk常常需要归档模拟量，对于比较大的项目工程会有成千上万个重要数据需…
阅读更多...
网页端web内容批注插件：

网页端web内容批注插件：

感觉平时每天基本上90%左右的时间都在浏览器端度过，按理说很多资料都应该在web端输入并且输出，但是却有很多时间浪费到了各种桌面app中，比如说什么notion、语雀以及各种笔记软件中，以及导入到ipad的gn中，这些其实都是浪…
阅读更多...
Jackson @JsonIgnore 注解

Jackson @JsonIgnore 注解

1. 概述 Jackson 是一个广泛使用的Java库，它允许轻松地将Java对象序列化为JSON以及从JSON反序列化回Java对象。Jackson库提供的其中一个注解是JsonIgnore。这个注解用于在序列化和反序列化过程中忽略特定的属性。这在转换JSON与Java对象之间时隐藏或省略敏感或不必…
阅读更多...
数据结构——栈的模拟实现

数据结构——栈的模拟实现

大家好，今天我要介绍一下数据结构中的一个经典结构——栈。 一：栈的介绍 与顺序表和单链表不同的是： 顺序表和单链表都可以在头部和尾部插入和删除数据，但是栈的结构就锁死了（栈的底部是堵死的）栈只能从…
阅读更多...
最新文章

Copyright @ 2022~2023