The developer who’s back …

10 분 소요

FastAPI의 서버에서 세션 정보를 저장하기 위해 방법을 찾다 보니 Redis를 분석하게 되었습니다. 기초적인 단계입니다.

Redis란?

Redis는 오프 소스 기반의 인 메모리 데이터 구조 저장소입니다. 키-값 구조로 데이터를 저장하며, 다양한 데이터 유형을 지원합니다.

특징:

  • 인-메모리 데이터베이스: 모든 데이터를 메모리에 저장하여 빠른 처리 속도 제공
  • 다양한 데이터 구조 지원: String, List, Hash, Set, Sorted Set 등 다양한 데이터 구조 제공
  • 높은 확장성: 수평적 확장(샤딩)을 통해 데이터 용량 및 처리 능력 확장 가능
  • 다양한 프로그래밍 언어 지원: Python, Java, C++, Go 등 다양한 언어에서 사용 가능

활용 분야:

  • 캐싱: 웹 애플리케이션에서 데이터를 캐싱하여 성능 향상
  • 메시징: 큐 시스템, 실시간 알림 등 메시징 시스템 구축
  • 세션 관리: 사용자 세션 정보 저장
  • 분석: 실시간 데이터 분석

Redis 설치

Ubuntu

sudo apt update
sudo apt install redis-server

# 부팅 시 자동 실행 설정
sudo systemctl enable redis-server

설치 후 Redis 서버가 실행 중인지 확인:

sudo systemctl status redis-server

macOS

brew install redis
# Redis 서버 실행
brew services start redis

Windows

Redis는 Windows를 공식적으로 지원하지 않습니다. 그러나 WSL(Linux용 Windows 하위 시스템)을 사용하여 Redis를 실행할 수 있습니다. 여기서는 생략 하겠습니다.

Redis 서버 접속

Redis 서버에 접속하여 명령을 실행하려면 redis-cli 명령을 사용합니다.

redis-cli

Redis 서버에 접속 후 다음과 같은 명령을 실행할 수 있습니다.

### Redis 서버 접속

# ping
ping # PONG

# Redis 서버 정보 확인
info

# 키-값 저장 - SET key value
SET mykey "Hello, Redis!"
SET mynum 100

# 키로 값 조회 - GET key
GET mykey
GET mynum

# 모든 키 조회 - KEYS *
KEYS *

# 키 삭제 - DEL key
DEL mykey
DEL mynum

# 종료 - exit
exit

Redis - Python 라이브러리

Python에서 Redis를 사용하기 위해서는 redis-py 라이브러리를 설치해야 합니다.

pip install redis

redis-py를 사용하여 Redis 서버에 연결하고 명령을 실행할 수 있습니다.

import redis

# Redis 서버 연결
r = redis.Redis(host='localhost', port=6379, db=0)

# 키-값 저장
r.set('mykey', 'Hello, Redis!')
r.set('mynum', 100)

# 키로 값 조회
print(r.get('mykey'))
print(r.get('mynum'))
print(r.get('mything')) # key가 없는 경우 None 반환

# 모든 키 조회
print(r.keys('*'))

# 키 삭제
print(r.delete('mykey'))
print(r.delete('mynum'))
print(r.delete('mything')) # key가 없는 경우 0 반환

print(r.keys('*'))

db=0: Redis 데이터베이스 번호. 기본값은 0이며, 0부터 15까지 사용 가능합니다.

Redis 데이터 구조

Redis는 다양한 데이터 구조를 지원하면 각 유형에 따라 다양한 명령을 제공합니다.

String (문자열)

import redis

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

r.set('mykey', 'Hello, Redis!')

print(r.get('mykey'))

Hashes (해시)

해시는 필드-값 구성된 컬렉션입니다. 해시 내의 각 필드-값 쌍은 개별적으로 읽거나 쓸 수 있어 객체를 표현하는 데 유용합니다.

import redis

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

# 해시 설정
r.hset('user01', 'name', 'Alice')
r.hset('user01', 'age', 30)

r.hset('user02', 'name', 'Bob')
r.hset('user02', 'age', 25)

# 해시 값 가져오기
user01_name = r.hget('user01', 'name')
user01_age = r.hget('user01', 'age')

user02_name = r.hget('user02', 'name')
user02_age = r.hget('user02', 'age')

print(user01_name, user01_age)  # 출력: b'Alice' b'30'
print(user02_name, user02_age)  # 출력: b'Bob' b'25'

Lists (리스트)

리스트는 문자열 요소의 순서가 있는 컬렉션입니다. 리스트의 양쪽 끝에 요소를 추가하거나 제거할 수 있습니다.

import redis

r = redis.Redis()

# 리스트에 요소 추가
r.lpush('tasks', 'write code')  # 왼쪽 추가
r.rpush('tasks', 'test code')   # 오른쪽 추가

# 리스트에서 요소를 가져오면서 삭제
print(r.lpop('tasks').decode())  # 왼쪽 pop, 출력: write code
print(r.rpop('tasks').decode())  # 오른쪽 pop, 출력: test code

# 범위 지정하여 요소 가져오기
r.rpush('tasks', 'write code', 'review code', 'test code')
print(r.lrange('tasks', 0, -1))  # 전체 리스트 출력

# 다른 리스트에 요소 추가
r.lpush('other_tasks', 'write code 2') # 다른 리스트에 요소 추가
print(r.lrange('other_tasks', 0, -1)) # 다른 리스트만 출력
print(r.lrange('no_exist_tasks', 0, -1)) # 존재하지 않는 리스트 출력

Sets (집합)

집합은 고유한 문자열 요소의 무순서 컬렉션입니다. 집합에는 중복 요소가 없으며, 집합에 요소를 추가, 제거하거나 집합 간의 교집합, 합집합, 차집합을 계산할 수 있습니다.

import redis

r = redis.Redis()

# 집합에 요소 추가
r.sadd('tags', 'python', 'fastapi', 'redis')

# 집합에 요소 추가
r.sadd('tags2', 'python', 'django', 'redis')

# 집합에 요소 추가
r.sadd('tags3', 'python', 'django', 'fastapi')

# 집합 요소 가져오기
print(r.smembers('tags'))  # 출력: {b'python', b'fastapi', b'redis'}

# 집합 간의 교집합
print(r.sinter('tags', 'tags2'))  # 출력: {b'python', b'redis'}

# 집합 간의 합집합
print(r.sunion('tags', 'tags2'))  # 출력: {b'python', b'fastapi', b'redis', b'django'}

# 집합 간의 차집합
print(r.sdiff('tags', 'tags2'))  # 출력: {b'fastapi'}

Sorted Sets (정렬된 집합)

정렬된 집합은 각 요소에 대한 점수를 가지며, 요소는 점수에 따라 정렬됩니다.

import redis

r = redis.Redis()

# 정렬된 집합에 요소 추가
r.zadd('scores', {'Alice': 100, 'Bob': 90, 'Charlie': 80})

# 점수 추가
r.zincrby('scores', 3, 'Bob')  # Bob's score +3

# 정렬된 집합 요소 가져오기
print(r.zrange('scores', 0, -1, withscores=True))  # 출력: [(b'Charlie', 80.0), (b'Bob', 90.0), (b'Alice', 100.0)]
print(r.zrank('scores', 'Bob'))  # Bob's rank
print(r.zscore('scores', 'Bob'))  # Bob's score

Redis의 고급 데이터 구조

Redis는 다양한 고급 데이터 구조를 지원합니다. Redis의 고급 데이터 구조에는 HyperLogLog, Bitmaps, Geospatial Indexes, Streams 등이 있습니다.

추후 필요 할 때 자세히 알아 볼 예정입니다.

HyperLogLog

HyperLogLogs는 대규모 데이터 세트의 카디널리티(고유 요소 수)를 근사적으로 계산합니다. 메모리 사용량이 작고 정확한 카운팅보다는 근사치를 제공합니다.

import redis

r = redis.Redis()

# 요소 추가
r.pfadd('views', *range(1000))

# 추정 카디널리티
print(r.pfcount('views'))  # Close to 1000

Bitmaps

Bitmaps는 비트 배열로서, 각 비트는 특정 이벤트의 발생 여부를 나타냅니다. 비트 연산을 사용하여 여러 이벤트를 추적하고 집계할 수 있습니다.

import redis

r = redis.Redis()

# Bitmap 생성 및 값 설정
r.setbit('mybits', 1, 1)  # 인덱스 1에 1 설정
r.setbit('mybits', 3, 1)  # 인덱스 3에 1 설정

# Bitmap 값 가져오기
bit_value = r.getbit('mybits', 1)
print(bit_value)  # 출력: 1

# Bitmap 카운팅
count = r.bitcount('mybits')
print(count)  # 출력: 2

Pipeline (파이프라인)

Redis 파이프라인은 여러 명령을 한 번에 보내고 결과를 한 번에 수신하여 네트워크 오버헤드를 줄이는 기능입니다.

import redis

r = redis.Redis()

pipeline = r.pipeline()

# Queue multiple commands
pipeline.set('user:101:balance', 200)
pipeline.incrby('user:101:balance', 100)
pipeline.get('user:101:balance')

# Execute all commands in the pipeline and return their responses
responses = pipeline.execute()
print("Pipelined responses:", responses)
  • pipeline.set: 키-값 설정
  • pipeline.incrby: 값 증가
  • pipeline.get: 값 가져오기
  • pipeline.execute: 파이프라인 실행

결과: Pipelined responses: [True, 300, b'300']

  • set 성공: True
  • incrby: 증가된 값인 300을 반환
  • get: 값 300을 반환.

transaction (트랜잭션)

r.pipeline(transaction=True)를 사용하면 Redis 트랜잭션 내에서 명령을 래핑하는 파이프라인 개체가 생성됩니다. 이는 파이프라인에서 execute()가 호출될 때 명령 대기열의 시작 부분에 암시적으로 MULTI를 실행하고 끝에 EXEC를 실행함으로써 달성됩니다. 이는 파이프라인의 모든 명령이 단일 트랜잭션으로 원자적으로 실행되도록 보장합니다. 다른 클라이언트의 다른 명령은 트랜잭션의 명령 사이에서 실행될 수 없습니다.

import redis

r = redis.Redis()

pipeline = r.pipeline(transaction=True)

# Queue multiple commands
pipeline.set('user:101:balance', 200)
pipeline.incrby('user:101:balance', 100)
pipeline.get('user:101:balance')

# Execute all commands in the pipeline and return their responses
responses = pipeline.execute()

print("Pipelined responses:", responses)

Pub/Sub (Publish/Subscribe)

Redis는 Pub/Sub 메커니즘을 지원하여 메시지 브로커로 사용할 수 있습니다. Pub/Sub은 발행-구독 메시징 패턴으로, 발행자(Publisher)가 메시지를 발행하면 구독자(Subscriber)가 메시지를 수신합니다.

먼저 구독자를 실행한 후 발행자를 실행하면 구독자에서 메시지를 수신합니다.

subscriber.py: 구독자

import redis

def message_handler(message):
    print(f"Received message: {message['data'].decode()}")

# Create a Redis connection
r = redis.Redis()

# Subscribe to a channel
pubsub = r.pubsub()
pubsub.subscribe(**{'news': message_handler})

# Listen for messages
print('Listening for messages on channel: news')
pubsub.run_in_thread(sleep_time=1)
  • message_handler: 메시지 수신 핸들러
  • pubsub.subscribe: 채널 구독
  • pubsub.run_in_thread: 메시지 수신 대기
  • sleep_time: 메시지 수신 주기
  • news: 채널 이름

publisher.py: 발행자

import redis

# Create a Redis connection
r = redis.Redis()

# Publish messages to a channel
channel = 'news'
r.publish(channel, 'Redis 6.2 Released!')
r.publish(channel, 'New Tutorial on Redis Pub/Sub')
  • r.publish: 메시지 발행
  • channel: 채널 이름

구독자가 실행 된 상태에서 발행자를 실행하면 구독자에서 메시지를 수신합니다. 발행자를 계속 실행하면 구독자에서 메시지를 계속 수신합니다.

간단한 캐시 시스템

Redis는 캐싱에 매우 적합한 데이터베이스입니다. 캐싱은 데이터베이스 또는 다른 소스에서 데이터를 검색하고 결과를 캐시에 저장하여 다음 요청에서 빠르게 반환하는 메커니즘입니다.

import redis
import time

r = redis.Redis()

def get_data(key):
    # 캐시에서 데이터 가져오기
    data = r.get(key)
    if data:
        return data

    # 데이터가 없으면 계산하고 캐시에 저장
    data = compute_expensive_data()
    r.set(key, data, ex=60)  # 60초 동안 캐시
    return data

def compute_expensive_data():
    # 시간이 오래 걸리는 계산 작업 시뮬레이션
    time.sleep(2)
    return b'computed_data'

# 캐시 미스
data = get_data('my_key')
print(data)  # 출력: b'computed_data'

# 캐시 히트
data = get_data('my_key')
print(data)  # 출력: b'computed_data'

최초의 get_data 호출에서 캐싱되어 있지 않아 compute_expensive_data 함수를 호출하여 데이터를 계산하고 캐시에 저장합니다. 다음 호출에서는 캐시에서 데이터를 빠르게 가져옵니다.

간단한 작업 큐(Job Queue) 구현

Redis는 작업 큐를 구현하는 데 사용할 수 있습니다. 작업 큐는 작업을 생성하고 처리하는 메커니즘으로, 작업을 생성하면 작업자가 작업을 처리합니다.

worker.py: 작업자

import redis
import time

r = redis.Redis()

# 작업 추가
def enqueue_job(job_data):
    r.rpush('job_queue', job_data)

# 작업 처리
def worker():
    while True:
        job = r.lpop('job_queue')
        if job:
            process_job(job)
        else:
            time.sleep(1)

def process_job(job):
    # 작업 처리 로직
    print(f'Processing job: {job}')

# 작업 큐에 작업 추가
enqueue_job(b'job1')
enqueue_job(b'job2')
enqueue_job(b'job3')

# 워커 실행
worker()

enqueue_jobs_1.py: 작업 생성자 1

import redis

r = redis.Redis()

# 작업 추가
def enqueue_job(job_data):
    r.rpush('job_queue', job_data)

# 작업 큐에 작업 추가
enqueue_job(b'job4')
enqueue_job(b'job5')

enqueue_jobs_2.py: 작업 생성자 2

import redis

r = redis.Redis()

# 작업 추가
def enqueue_job(job_data):
    r.rpush('job_queue', job_data)

# 작업 큐에 작업 추가
enqueue_job(b'job6')
enqueue_job(b'job7')
enqueue_job(b'job8')

작업자를 실행한 후 작업 생성자(예제는 2개)를 실행하면 작업자가 작업을 처리합니다.

실시간 데이터 스트리밍 처리

Redis Streams는 실시간 데이터 스트리밍 처리를 위한 데이터 구조입니다. 스트림은 메시지의 연속이며, 각 메시지는 ID와 필드-값 쌍으로 구성됩니다.

import redis

r = redis.Redis()

# 스트림 생성
r.xadd('stream', {'name': 'Alice', 'age': 30})

# 스트림에서 메시지 가져오기
messages = r.xrange('stream', '-', '+')
print(messages)

세션 (Session) 관리

Redis를 사용하여 세션을 관리할 수 있습니다. 세션은 사용자별로 공간을 마련하여 사용자의 정보나 상태를 저장합니다.

import redis
import uuid

r = redis.Redis()

def create_session(user_id):
    session_id = str(uuid.uuid4())
    r.hset(f'sessions:{session_id}', 'user_id', user_id)
    return session_id

def get_session_data(session_id):
    session_data = r.hgetall(f'sessions:{session_id}')
    return session_data

def delete_session(session_id):
    r.delete(f'sessions:{session_id}')

# 세션 생성
session_id = create_session('user123')
print(session_id)

# 세션 데이터 가져오기
session_data = get_session_data(session_id)
print(session_data)

# 세션 삭제
delete_session(session_id)
  • hset: 해시 설정
  • hgetall: 해시 값 가져오기
  • delete: 키 삭제

웹 애플리케이션에서 Redis를 이용한 세션 사용

Flask

Flask에서 Redis를 사용하여 세션을 저장하려면 flask-session 라이브러리를 사용합니다.

pip install flask
pip install flask-session

app.py

import os
import redis
from flask import Flask, session
from flask_session import Session

app = Flask(__name__)
app.config["SESSION_TYPE"] = "redis"
app.config["SESSION_PERMANENT"] = False
app.config["SESSION_USE_SIGNER"] = True
app.config["SECRET_KEY"] = os.environ.get("SECRET_KEY", "a_secure_default_key")
app.config["SESSION_REDIS"] = redis.Redis(host='localhost', port=6379)

# Initialize the session
Session(app)

@app.route('/')
def index():
    session['user'] = 'John Doe'
    return 'Session stored in Redis!'

@app.route('/get')
def get():
    return session.get('user', 'not set')


if __name__ == '__main__':
    app.run(host='0.0.0.0', debug=True)
    # 외부에서 접속 가능하도록 host='0.0.0.0'

실행:

python app.py

테스트:

  • http://localhost:5000/get에 접속: ‘not set’
  • http://localhost:5000/에 접속: 세션 정보 저장
  • http://localhost:5000/get에 접속: 세션 정보 가져오기 - John Doe
  • 다른 브라우저에서 http://localhost:5000/get에 접속: ‘not set’

FastAPI

pip install fastapi uvicorn[standard]
pip install redis aioredis

main.py

import redis
import aioredis
import uuid
from fastapi import FastAPI, Response, Cookie

# Redis 연결 설정
redis_client = redis.Redis(host='localhost', port=6379, db=0)
redis = aioredis.from_url("redis://localhost", decode_responses=True)

# 세션 생성
def create_session(user_id):
    session_id = str(uuid.uuid4())
    data = {'user_id': user_id}
    redis_client.hset(f'sessions:{session_id}', mapping=data)
    return session_id

# 세션 데이터 가져오기
async def get_session_data(session_id):
    data = await redis.hgetall(f'sessions:{session_id}')
    return data

# 세션 삭제
def delete_session(session_id):
    redis_client.delete(f'sessions:{session_id}')

app = FastAPI()

# @app.post('/create_session')
@app.get('/create_session') # 간단한 테스트를 위해 GET으로 변경
def create_session_endpoint(response: Response, user_id: str):
    session_id = create_session(user_id)
    response.set_cookie(key='session_id', value=session_id)
    return {'message': 'Session created'}

@app.get('/get_session_data')
async def get_session_data_endpoint(session_id: str = Cookie(None)):
    if session_id:
        session_data = await get_session_data(session_id)
        return session_data
    else:
        return {'message': 'No session found'}

실행:

uvicorn main:app --reload
# 외부 접속 허용은 아래와 같이 실행
# uvicorn main:app --reload --host 0.0.0.0 --port=8000

테스트:

  • http://localhost:8000/get_session_data에 접속: ‘No session found’
  • http://localhost:8000/create_session?user_id=user123에 접속: 세션 생성 및 쿠키 설정
  • http://localhost:8000/get_session_data에 접속: user_id: user123
  • 다른 브라우저에서 http://localhost:8000/get_session_data에 접속: ‘No session found’

fastapi-redis-session

fastapi-redis-session 라이브러리를 사용하면 FastAPI에서 Redis를 사용하여 세션을 저장할 수 있습니다.

pip install fastapi-redis-session

main.py

from typing import Any
from fastapi import Depends, FastAPI, Request, Response
from fastapi_redis_session import deleteSession, getSession, getSessionId, getSessionStorage, setSession, SessionStorage

app = FastAPI(title=__name__)


@app.post("/setSession")
async def _setSession(
    request: Request, response: Response, sessionStorage: SessionStorage = Depends(getSessionStorage)
):
    sessionData = await request.json()
    setSession(response, sessionData, sessionStorage)


@app.get("/getSession")
async def _getSession(session: Any = Depends(getSession)):
    return session


@app.post("/deleteSession")
async def _deleteSession(
    sessionId: str = Depends(getSessionId), sessionStorage: SessionStorage = Depends(getSessionStorage)
):
    deleteSession(sessionId, sessionStorage)
    return None

실행:

uvicorn main:app --reload
# 외부 접속 허용은 아래와 같이 실행
# uvicorn main:app --reload --host 0.0.0.0 --port=8000

테스트:

main_test.py: python 파일을 생성하여 테스트

import requests

BASE_URL = "http://localhost:8000"

# Helper function to get cookies
def get_cookies(response):
    return response.cookies

# Test /setSession endpoint
def set_session(data):
    url = f"{BASE_URL}/setSession"
    response = requests.post(url, json=data)
    # Store cookies from the response to use in subsequent requests
    cookies = get_cookies(response)
    return cookies

# Test /getSession endpoint
def get_session(cookies):
    url = f"{BASE_URL}/getSession"
    response = requests.get(url, cookies=cookies)
    return response.json()

# Test /deleteSession endpoint
def delete_session(cookies):
    url = f"{BASE_URL}/deleteSession"
    response = requests.post(url, cookies=cookies)
    # Check if the session is successfully deleted
    return response.ok

# Example usage
if __name__ == "__main__":
    # Data to set in the session
    session_data = {"username": "john_doe", "isLoggedIn": True}

    # Set the session and get the cookies
    cookies = set_session(session_data)
    print("Session set:", session_data)

    # Retrieve the session using the cookies
    session = get_session(cookies)
    print("Session retrieved:", session)

    # Delete the session using the cookies
    delete_success = delete_session(cookies)
    print("Session deleted:", delete_success)

    # Try to get the session again after deletion
    session_after_deletion = get_session(cookies)
    print("Session after deletion:", session_after_deletion)

실행:

python main_test.py

결과:

Session set: {'username': 'john_doe', 'isLoggedIn': True}
Session retrieved: {'username': 'john_doe', 'isLoggedIn': 'True'}
Session deleted: True
Session after deletion: None

해시태그: #Redis #Python #데이터구조 #캐시 #작업큐 #스트림 #세션 #FastAPI #Flask #파이프라인 #트랜잭션 #PubSub #fastapi-redis-session

댓글남기기

참고

NVIDIA GPU 종류

2 분 소요

✔️ 인공지능 학습과 추론에 NVIDIA GPU를 많이 사용 하는 이유