引入Redis

项目github链接

在集成Netty之后，为了提高效率，我打算将消息存储在Redis缓存系统中，本节将介绍Redis在项目中的引入，以及前端界面的开发。

引入Redis后，完整代码链接。

想要直接得到训练了13000步的聊天机器人可以直接下载链接中

这三个文件，以及词汇表文件

然后直接运行连接中的py脚本进行测试即可。

最终实现效果如下：

在Netty中引入Redis

import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.time.LocalDateTime;import io.netty.channel.ChannelHandlerContext;
import io.netty.channel.SimpleChannelInboundHandler;
import io.netty.channel.group.ChannelGroup;
import io.netty.channel.group.DefaultChannelGroup;
import io.netty.handler.codec.http.websocketx.TextWebSocketFrame;
import io.netty.util.concurrent.GlobalEventExecutor;
import redis.clients.jedis.Jedis;public class ChatHandler extends SimpleChannelInboundHandler<TextWebSocketFrame>{private static ChannelGroup clients=new DefaultChannelGroup(GlobalEventExecutor.INSTANCE);@Overrideprotected void channelRead0(ChannelHandlerContext ctx, TextWebSocketFrame msg) throws Exception {System.out.println("channelRead0...");//连接redisJedis jedis=new Jedis("localhost");System.out.println("连接成功...");System.out.println("服务正在运行："+jedis.ping());//得到用户输入的消息，需要写入文件/缓存中，让AI进行读取String content=msg.text();if(content==null||content=="") {System.out.println("content 为null");return ;}System.out.println("接收到的消息："+content);//写入缓存中jedis.set("user_say", content+":user");Thread.sleep(1000);//读取AI返回的内容String AIsay=null;while(AIsay=="no"||AIsay==null) {//从缓存中读取AI回复的内容AIsay=jedis.get("ai_say");String [] arr=AIsay.split(":");AIsay=arr[0];}//读取后马上向缓存中写入jedis.set("ai_say", "no");//没有说，或者还没说if(AIsay==null||AIsay=="") {System.out.println("AIsay==null||AIsay==\"\"");return;}System.out.println("AI说："+AIsay);clients.writeAndFlush(new TextWebSocketFrame("AI_PigPig在"+LocalDateTime.now()+"说："+AIsay));}@Overridepublic void handlerAdded(ChannelHandlerContext ctx) throws Exception {System.out.println("add...");clients.add(ctx.channel());}@Overridepublic void handlerRemoved(ChannelHandlerContext ctx) throws Exception {System.out.println("客户端断开，channel对应的长id为："+ctx.channel().id().asLongText());System.out.println("客户端断开，channel对应的短id为："+ctx.channel().id().asShortText());}}

在Python中引入Redis

with tf.Session() as sess:#打开作为一次会话# 恢复前一次训练ckpt = tf.train.get_checkpoint_state('.')#从检查点文件中返回一个状态(ckpt)#如果ckpt存在，输出模型路径if ckpt != None:print(ckpt.model_checkpoint_path)model.saver.restore(sess, ckpt.model_checkpoint_path)#储存模型参数else:print("没找到模型")r.set('user_say','no')#测试该模型的能力while True:line='no'#从缓存中进行读取while line=='no':line=r.get('user_say').decode()#print(line)list1=line.split(':')if len(list1)==1:input_string='no'else:input_string=list1[0]r.set('user_say','no')# 退出if input_string == 'quit':exit()if input_string != 'no':input_string_vec = []#输入字符串向量化for words in input_string.strip():input_string_vec.append(vocab_en.get(words, UNK_ID))#get()函数：如果words在词表中，返回索引号；否则，返回UNK_IDbucket_id = min([b for b in range(len(buckets)) if buckets[b][0] > len(input_string_vec)])#保留最小的大于输入的bucket的idencoder_inputs, decoder_inputs, target_weights = model.get_batch({bucket_id: [(input_string_vec, [])]}, bucket_id)#get_batch(A,B):两个参数，A为大小为len(buckets)的元组，返回了指定bucket_id的encoder_inputs,decoder_inputs,target_weights_, _, output_logits = model.step(sess, encoder_inputs, decoder_inputs, target_weights, bucket_id, True)#得到其输出outputs = [int(np.argmax(logit, axis=1)) for logit in output_logits]#求得最大的预测范围列表if EOS_ID in outputs:#如果EOS_ID在输出内部，则输出列表为[,,,,:End]outputs = outputs[:outputs.index(EOS_ID)]response = "".join([tf.compat.as_str(vocab_de[output]) for output in outputs])#转为解码词汇分别添加到回复中print('AI-PigPig > ' + response)#输出回复#向缓存中进行写入r.set('ai_say',response+':AI')

下一节将讲述通信规则的制定，以规范应用程序。