快速了解python leveldb
本文主要是對leveldb進行一個簡單的介紹及使用Python語言對其進行操作的代碼示例,具體如下。
leveldb 是google實現(xiàn)的一種非常高效的key-value數(shù)據(jù)庫。key-value數(shù)據(jù)庫中,redis是比較知名且好用的,但它是一個內存數(shù)據(jù)庫,而leveldb只需要少量的內存,但速度依然很快,美中不足的是,沒有網絡服務封裝,這樣一來就只能單機使用,如果你實力足夠強,也可以自己封裝一個。
python版本的leveldb安裝很簡單,pip install leveldb
接下來重點介紹使用方法。
一 、 讀寫
def single_operate():
db = leveldb.LevelDB('./data')
db.Put('foo','東升')
print db.Get('foo')
db.Delete('foo')
print db.Get('foo')
新建數(shù)據(jù)庫很方便,如果這個目錄已經存在就會直接打開,沒有的話就會新建。示例中給出了添加,刪除,和獲取的方法,注意,是沒有修改操作的。
二 、 遍歷
如何遍歷數(shù)據(jù)呢,也非常方便,你可以指定開始的key和結束的key,也可以指定順序,是否帶value
def test_iter():
db = leveldb.LevelDB('./data')
for i in xrange(10):
db.Put(str(i), 'string_%s' % i)
print list(db.RangeIter(key_from = '2', key_to = '5'))
print list(db.RangeIter(key_from = '2', key_to = '5',reverse=True))
def iter_key_values():
db = leveldb.LevelDB('./data')
for i in xrange(10):
db.Put(str(i), 'string_%s' % i)
keys = list(db.RangeIter(include_value = False))
print keys
keys_values = list(db.RangeIter())
print keys_values
三、 批量操作
如果我對數(shù)據(jù)庫有一大批操作,每一次都和數(shù)據(jù)庫進行交互,其實挺浪費性能的,因此像mongodb,redis都提供了批量操作的方法,leveldb也是如此。下面是一個清空數(shù)據(jù)庫的例子
def clear_db():
db = leveldb.LevelDB('./data')
b = leveldb.WriteBatch()
for k in db.RangeIter(include_value = False, reverse = True):
b.Delete(k)
db.Write(b)
b.Delete(k)并沒有真正的刪除數(shù)據(jù),而是在db.Write(b)時執(zhí)行所有的操作
四、 快照
創(chuàng)建快照非常簡單,美中不足的是,再次加載數(shù)據(jù)庫以后,沒有方法找到之前創(chuàng)建的快照,難道已關閉這些快照就都不見了,這這樣的快照還有什么意思呢,也許只有python版本的快照是這樣的吧
def test_snapshot():
db = leveldb.LevelDB('./data')
db.Put('foo','s1')
s1 = db.CreateSnapshot()
db.Put('foo','s2')
s2 = db.CreateSnapshot()
print db.Get('foo')
print s1.Get('foo')
print s2.Get('foo')
總結
以上就是本文關于快速了解python leveldb的全部內容,希望對大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關專題,如有不足之處,歡迎留言指出。感謝朋友們對本站的支持!
相關文章
使用Python實現(xiàn)Excel文件轉換為SVG格式
SVG(Scalable Vector Graphics)是一種基于XML的矢量圖像格式,這種格式在Web開發(fā)和其他圖形應用中非常流行,提供了一種高效的方式來呈現(xiàn)復雜的矢量圖形,本文將介紹如何使用Python轉換Excel文件為SVG格式,需要的朋友可以參考下2024-07-07
詳解Django中CBV(Class Base Views)模型源碼分析
這篇文章主要介紹了詳解Django中CBV(Class Base Views)模型源碼分析,小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2019-02-02

