目录
相关传送门
1. NOSQL和关系型数据库比较
2. 主流的NOSQL产品
3. Redis的理解
4. redis数据存储格式
4.1 String
4.2 Hash
4.3 List
4.4 Set
4.5. sorted_set
注：手机端浏览本文章可能会出现 “目录”无法有效展示的情况，请谅解，点击侧栏目录进行跳转
相关传送门
1.【数据结构】布隆过滤器
2.【开发】SpringBoot 整合 Redis
1. NOSQL和关系型数据库比较
优点：低成本、高查询、存储格式丰富、支持多种数据类型
- nosql简单易部署，且多数开源
- nosql将数据存储在缓存之中，sql将数据存储在硬盘中；nosql比sql数据库查询速度快
- nosql的存储格式是键值对形式，文档形式、图片形式等，可以存储基础类型以及对象或者集合等格式，sql支支持基础数据
- 关系型数据库有类似Join的多表查询机制限制扩展很艰难
缺点：维护技术有限、学习使用成本高、不提供关系型数据库对事务的处理
- 新技术，维护工具
- 不遵循SQL标准，学习使用成本高
- 不提供关系型数据库对事务的处理
2. 主流的NOSQL产品
- 键值(Key-Value)存储数据库
相关产品： Tokyo Cabinet/Tyrant、Redis、Voldemort、Berkeley DB
典型应用： 内容缓存，主要用于处理大量数据的高访问负载。数据模型： 一系列键值对
优势： 快速查询
劣势： 存储的数据缺少结构化
列存储数据库
相关产品：Cassandra, HBase, Riak
典型应用：分布式的文件系统
数据模型：以列簇式存储，将同一列数据存在一起
优势：查找速度快，可扩展性强，更容易进行分布式扩展劣势：功能相对局限
文档型数据库
相关产品：CouchDB、MongoDB
典型应用：Web应用（与Key-Value类似，Value是结构化的） 数据模型： 一系列键值对
优势：数据结构要求不严格
劣势： 查询性能不高，而且缺乏统一的查询语法
图形(Graph)数据库
相关数据库：Neo4J、InfoGrid、Infinite Graph
典型应用：社交网络数据模型：图结构
优势：利用图结构相关算法。
劣势：需要对整个图做计算才能得出结果，不容易做分布式的集群方案。
数据库排名:
3. Redis的理解
概念：C语言开发的一个开源的高性能键值对存储形式的数据库
特征：
1. 数据之间没有必然的关联关系
2. 内部采用单线程机制进行工作
3. 高性能
4. 多数据类型支持
名称 类型 数据结构 字符串类型 String String
列表类型 list LinkedList
散列类型 hash HashMap
集合类型 set HashSet
有序集合类型 sorted_set TreeSet
5. 持久化支持。可以进行数据灾难恢复
4. redis数据存储格式
- redis自身是一个map，所存储的数据都采用键值对的形式存储
- key部分永远都是字符串，value部分指的是存储的数据的类型
- key的语法：
- 在同一个项目中，key部分最好使用统一的命名模式
- key区分大小写
- key尽量不超过1024字节。不仅消耗内存，也会降低查找的效率
- key不易太短，太短会降低可读性
4.1 String
- 存储的数据：单个数据，最简单最常用的数据存储类型
- 存储的数据格式：一个存储空间保存一个数据
- 存储内容：通常使用字符串，如果字符串以整数的形式展示，可以作用数字操作使用
4.2 Hash
- 存储的困惑：对象类数据的存储如果具有频繁的更新需求会显得笨重
- 哈希的特点：
- 存储需求：对一系列存储的数据进行编组，方便管理
- 存储结构：一个存储空间保存多个键值对数据
- hash类型：底层使用哈希表结构实现数据存储
- hash存储结构优化
- 如果filed数量较少，存储结构优化为类数组结构
- 如果filed数量较多，存储结构使用HashMap结构
4.3 List
- 存储需求：存储多个数据，并对数据进入存储空间的顺序进行区分
- 存储结构：一个存储空间保存多个数据，且通过数据可以体现进入顺序
- list类型：保存多个数据，底层使用双向链表存储结构实现
4.4 Set
- 存储需求：存储大量的数据，在查询方面提供更高的效率
- 存储结构：存储大量的数据，高效的内部存储机制，便于查询
- set类型：与hash存储结构完全相同，仅存储键，不存储值，并且值是不允许重复的
4.5. sorted_set
- 存储需求：数据排序 有利于数据的有效展示，需要提供一种可以根据自身特征进行排序的方式
- 存储结构：新的存储模型，可以保存可排序的数据
- sorted_set类型：在set的存储结构基础上添加可排序字段
