引入Redis

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，。

想要直接得到训练了13000步的聊天机器人可以直接下载中

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
    
     {    private static ChannelGroup clients=            new DefaultChannelGroup(GlobalEventExecutor.INSTANCE);        @Override    protected void channelRead0(ChannelHandlerContext ctx, TextWebSocketFrame msg) throws Exception {        System.out.println("channelRead0...");                //连接redis        Jedis 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));    }        @Override    public void handlerAdded(ChannelHandlerContext ctx) throws Exception {        System.out.println("add...");        clients.add(ctx.channel());    }        @Override    public 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_ID                bucket_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id                encoder_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。