"目录 1.1 Nosql 入门和概述 1.1.1 为什么要使用 Nosql？ 1.1.2 Nosql 是什么？ 1.1.3 特点 1.2 安装与使用（Redis） 1.2.1 关于单进程 1.2.2 Redis 的五大数据类型 1.2.3 常用命令使用 1.1 Nosql 入门和概述 1.1.1 为 ...."

someone1
AI专业者开发社区 1 号成员
AI开发者社区 • 0 回帖 • 2 浏览 • 4 个月前

Redis_01

1.1 Nosql 入门和概述

1.1.1 为什么要使用 Nosql？

首先在 SQL 下当今最流行的 Mysql 也会有出现瓶颈的时候。一个网站的访问量一般都不大，而且更多的是静态页面，动态交互类型的网站不多，用单个数据库完全可以轻松应对。但是数据量的总大小一个机器放不下时，数据的索引（B+Tree）一个机器的内存放不下时，访问量（读写混合）一个实例不能承时，这时候咱们的 Mysql 就开始显得乏力了。
随着访问量的上升，几乎发部分使用 MySQL 架构的网站在数据库上都开始出现性能问题，web 程序不再仅仅专注在功能上，同时也在追求性能。程序员们开始大量的使用缓存技术来缓解数据库的压力，优化数据库的结构和索引。开始比较流行的是通过文件缓存来缓解数据库压力，但是访问量继续增大的时候，多台 web 机器通过文件缓存不能共享，大量的小文件缓存也带来了比较高的 IO 压力。因此，Memcached 就成为了一个非常时尚的技术产品。由于数据库的写入压力增加，Memcached 只能缓解数据库的读取压力。读写集中在一个数据库上让数据库不堪重负，大部分网站开始使用主从复制技术来达到读写分离，以提高读写性能和读库的可扩展性。Mysql 的 master-slave 模式成为这个时候的网站标配。
在 Memcached 的高速缓存，MySQL 的主从复制，读写分离的基础之上，这是 MySQL 的主库的写压力开始出现瓶颈，而数据量的持续猛增，由于 MyISAM 使用表锁，在高并发下会出现严重的锁问题，大量的高并发 MySQL 应用开始使用 InnoDB 引擎代替 MyISQM。同时开始流行使用分表分库来缓解写压力和数据增长的扩展问题。这个时候，分表分库成了一个热门技术，是面试的热门问题也是业界讨论的热门技术问题。也就是在这个时候，MySQL 推出了还不太稳定的表分区，虽然 MySQL 推出了 MySQL Cluster 集群，但性能也不能很好满足互联网的要求，只能在高可靠性上提供了非常大的保证。
MySQL 数据库也经常存储一些大文本字段，导致数据库表非常的大，在做数据库恢复的时候就导致非常的慢，不容易快速回复数据库。比如 1000 万 4KB 大小的文本就接近 40GB 的大小，如果能把这些数据从 MySQL 省去，MySQL 将变得非常的小。关系数据库很强大，但是它并不能很好的应付所有的应用场景。MySQL 的扩展性差（需要复杂的技术来实现），大数据下 IO 压力大，表结构更改困难，正式当前使用 MySQL 的开发人员面临的问题。
今天我们可以通过第三方平台（如 Google，Facebook 等）可以很容易的访问和抓取数据。用户个人信息，社交网络，地理位置，用户产生的数据和用户操作日志已经成倍的增加。我们如果要对这些用户数据进行挖掘，那 SQL 数据库已经不适合这些应用了，NoSQL 数据库的发展却能很好的处理这些大的数据。

1.1.2 Nosql 是什么？

NoSQL（NoSQL = Not Only SQL），意思是不仅仅是 SQL，泛指非关系型的数据库。
随着互联网 web2.0 网站的兴起，传统的关系数据库在应付 web2.0 网站，特别是超大规模和高并发的 SNS 类型的 web2.0 纯动态网站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL 数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题，包含超大规模数据的存储。
（例如古河或 Facebook 每天为他们的用户手机万亿比特的数据）。这些类型的数据存储不需要固定的模式，无需多余操作就可以横向扩展。
当前主流的几类 Nosql：

Redis
Memcache
Mongdb

1.1.3 特点

易扩展性： NoSQL 数据库种类繁多，但是一个共同的特点都是去掉关系数据库的关系型特性，数据之间无关系，这样就非常容易扩展。也无形之间，在架构的层面上带来了可扩展的能力。
大数据量高性能： NoSQL 数据里都具有非常高的读写性能，尤其在大数据量下，同样表现优秀。这得益于它的无关系性，数据库的结构简单。一般 MySQL 使用 Query Cache，每次表的更新 Cache 就失效，是一种大粒度的 Cache，在针对 web2.0 的交互频繁的应用，Cache 性能不高。而 NoSQL 的 Cache 是记录级的，是一种细粒度的 Cache，所以 NoSQL 在这个层面上来说就要性能高很多了。
多样灵活的数据模型： NoSQL 无需事先为要存储的数据建立字段，随时可以存储自定义的数据格式。而在关系数据库里，增删字段是一件非常麻烦的事情。如果是非常大数据量的表，增加字段简直就是一个噩梦。

1.2 安装与使用（Redis）

redis 安装官网：https://redis.io/

基本上照着官网说得来没什么问题，我这里说下我自己安装过程中遇到的几个问题（Liunx 下，一般建议在 Liunx 下学习使用 Redis）：
1. 自己之前购买的一台 Vultr 服务器，Debian9x+。有些厂商不会给你安装好很好的开发环境，我这台就是。在 MAKE 链接库的时候没有 GCC 命令导致编译库失败，这里手动安装了一下 GCC apt-get install GCC. 重新编译的时候注意，将刚才 MAKE 的文件重新删除再重新 MAKE。
2. 防火墙问题，有些机器厂商是有设置防火墙规则的，这里可能需要手动去开启下 6379 端口，具体操作自行百度：

记几个命令：Select 命令切换数据库，Dbsize 查看当前数据库的 key 的数量，Flushdb：清空当前库，Flushall：通杀全部库。

1.2.1 关于单进程

Redis 的单进程模式：
单进程模型来处理客户端的请求。对读写等时间的响应是通过对 epoll 函数的包装来做到的。Redis 的实际处理速度完全依靠主进程的执行效率。Epoll 是 Linux 内核为处理大批量文件描述符而作了改进的 epoll，是 Linux 下多路复用 IO 接口 select/poll 的增强版本，它能显著提高程序在大量并发连接中只有少量活跃情况下的系统 CPU 利用率。

1.2.2 Redis 的五大数据类型

String:

string 是 redis 最基本的类型，可以理解为 Memcached 一样的类型，一个 key 对应一个 value。
string 类型是二进制安全的，意思是 redis 的 string 可以包含任何数据。比如 ipg 图片或者序列化的对象。
string 类型是 Redis 最基本的数据结构，一个 redis 中字符串 value 最多可以是 512M。

Hash（哈希，类似 java 里的 Map）:

Redis hash 是一个键值对集合。
Redis hash 是一个 string 类型的 field 和 value 的映射表，hash 特别适合用于存储对象。
类似 java 里面的 Map<String,Object>

List（列表）:

Redis 列表是简单的字符串列表，按照插入顺序排序。可以添加一个元素到列表的头部（左边）或者尾部（右边）。
它的底层是一个链表。

Set（集合）:

Redis 的 Set 是 string 类型的无序集合。它是通过 HashTable 实现的。

Zset（sorted set：有序集合）:

Redis zset 和 set 一样也是 string 类型元素的集合，且不允许重复的成员。
不同的是每个元素都会关联一个 double 类型的分数。
redis 正是通过分数来为集合中的成员进行从小到大排序。zset 的成员是唯一的，但分数（score）却可以重复。

1.2.3 常用命令使用

一般这块都是些记忆内容，简单记录一下，相关使用文档可去官网查看：http://redisdoc.com/
1.Redis 键（key）：

2. Redis 字符串（String）：

3. Redis 列表（List）：

4. Redis 集合（Set）：

5. Redis 哈希（Hash）：

6. Redis 有序集合 Zset（sorted set）：