Não sei se é mais rápido, mas você pode tentar algo assim...
Armazenar um array Numpy no Redis é assim - veja a função
toRedis() :- obtenha a forma do array Numpy e codifique
- anexe a matriz Numpy como bytes à forma
- armazenar a matriz codificada na chave fornecida
Recuperar um array Numpy é assim - veja a função
fromRedis() :- recupere do Redis a string codificada correspondente à chave fornecida
- extraia a forma do array Numpy da string
- extrair dados e repovoar a matriz Numpy, remodelar para a forma original
#!/usr/bin/env python3
import struct
import redis
import numpy as np
def toRedis(r,a,n):
"""Store given Numpy array 'a' in Redis under key 'n'"""
h, w = a.shape
shape = struct.pack('>II',h,w)
encoded = shape + a.tobytes()
# Store encoded data in Redis
r.set(n,encoded)
return
def fromRedis(r,n):
"""Retrieve Numpy array from Redis key 'n'"""
encoded = r.get(n)
h, w = struct.unpack('>II',encoded[:8])
# Add slicing here, or else the array would differ from the original
a = np.frombuffer(encoded[8:]).reshape(h,w)
return a
# Create 80x80 numpy array to store
a0 = np.arange(6400,dtype=np.uint16).reshape(80,80)
# Redis connection
r = redis.Redis(host='localhost', port=6379, db=0)
# Store array a0 in Redis under name 'a0array'
toRedis(r,a0,'a0array')
# Retrieve from Redis
a1 = fromRedis(r,'a0array')
np.testing.assert_array_equal(a0,a1)
Você pode adicionar mais flexibilidade codificando o
dtype da matriz Numpy junto com a forma. Eu não fiz isso porque pode ser o caso de você já saber que todos os seus arrays são de um tipo específico e então o código seria apenas maior e mais difícil de ler sem motivo. Referência aproximada no iMac moderno :
80x80 Numpy array of np.uint16 => 58 microseconds to write
200x200 Numpy array of np.uint16 => 88 microseconds to write
Palavras-chave :Python, Numpy, Redis, array, serialize, serialize, key, incr, unique
