构建三级行政区划Redis缓存池（省市区存redis）

最近，三级行政区划在现代国家区域分类中得到了广泛的应用。在数据分析实际应用中，我们可能会用到它。不过，处理三级行政区划数据的过程会比较繁琐，所以把行政区划的数据存储在redis中，以提高行政区划数据的查找效率，成为一种必要考虑。那么，该如何根据已有行政区划数据构建三级行政区划Redis缓存池呢？

可以采用数据库建立三级行政区划的历史数据库表，以实现数据的序列化和存储。其中，序列化的字段包括国家、省（直辖市）、市（县）、地区名称和代码，以及其他若干信息。

然后，利用Redis的Hash类型，来对行政区划进行存储和查询索引，把表中的每条数据都作为一个Hash来存储，这样既可以实现各级行政区划之间的关联，又可以获得较快的查询速度。

接下来，可以通过散列将各级行政区划数据分组和划分，从而构建缓存池。例如，这里可以使用一个字典存储国家的地编码，值 为一个字典保存对应的省份。而该省份的字典值，则是一个列表，每个元素都是一个字典形式的城市，值负责一个字典存储市县等信息。这样，就可以通过访问国家名称下的地区编码，来查找和访问某一国家下的全部省份；同样，通过省份编号，得到对应省下面的所有市县信息。

以上就是关于构建三级行政区划缓存池的一般思路，通过使用Redis和准确的数据模型，我们可以更快地定位和查找行政区划的数据，从而提供更好的应用效率。

示例代码用于构建国家省市信息Redis缓存池：

city_dict = {

‘country_dict’: {

‘a01’: {

‘name’: ‘中国’,

‘subs’: {

‘c01’: {

‘name’: ‘北京市’,

// 包括下属行政区

‘subs’: {

‘d01’: {

‘name’: ‘北京’

// 包括下属行政区

}

}

},

‘c02’: {

‘name’: ‘上海市’,

‘subs’: {

‘d02’: {

‘name’: ‘上海’

}

}

},

‘c03’: {

‘name’: ‘天津市’,

‘subs’: {

‘d03’: {

‘name’: ‘天津’

}

}

}

}

}

}

}

# Redis 缓存池设置

r = redis.Redis(host = ‘hostname’, port = 6379, db = 0)

# 遍历国家省市信息字典

for k, v in city_dict.items():

r.hset(“countries”, k, json.dumps(v))

# 格式化字段，给每一个省份单独定义一个hash表

r.hmset(“country:%s:provinces” % key, *[country[“name”]json.dumps(v))

# 主键设计： 缓存池中设计好key,查询比较方便

# 国家 • country:CN:provinces

# 省 • country:CN:provinces:Shangh:cities

# 市 • country:CN:provinces:Shangh:cities:Shangh