尚硅谷学习笔记---Redis简介

NoSql概述

在90年代，一个网站的访问量一般都不大，用单个数据库完全可以轻松应付。
在那个时候，更多的都是静态网页，动态交互类型的网站不多。

上述架构下，我们来看看数据存储的瓶颈是什么？

1. 数据量的总大小 一个机器放不下时
2. 数据的索引（B+ Tree）一个机器的内存放不下时
3. 访问量(读写混合)一个实例不能承受
   如果满足了上述1 or 3个，进化…

后来，随着访问量的上升，几乎大部分使用MySQL架构的网站在数据库上都开始出现了性能问题，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，但是当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了了比较高的IO压力。在这个时候，Memcached就自然的成为一个非常时尚的技术产品。

Memcached作为一个独立的分布式的缓存服务器，为多个web服务器提供了一个共享的高性能缓存服务，在Memcached服务器上，又发展了根据hash算法来进行多台Memcached缓存服务的扩展，然后又出现了一致性hash来解决增加或减少缓存服务器导致重新hash带来的大量缓存失效的弊端

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了。

在Memcached的高速缓存，MySQL的主从复制，读写分离的基础之上，这时MySQL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MyISAM。

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。也就在这个时候，MySQL推出了还不太稳定的表分区，这也给技术实力一般的公司带来了希望。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，只是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，不容易快速恢复数据库。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，正是当前使用MySQL的开发人员面临的问题。

为什么使用NoSQL ?

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。用户的个人信息，社交网络，地理位置，用户生成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数据库的发展也却能很好的处理这些大的数据。

NoSQL数据模型简介

• 问题:以一个电商客户、订单、订购、地址模型来对比下关系型数据库和非关系型数据库
• 如果使用关系型数据库来描述类似于

• 而是用NoSQL描述
• BSON（）是一种类json的一种二进制形式的存储格式，简称Binary JSON，
  它和JSON一样，支持内嵌的文档对象和数组对象

{
 "customer":{
   "id":1136,
   "name":"Z3",
   "billingAddress":[{"city":"beijing"}],
   "orders":[
    {
      "id":17,
      "customerId":1136,
      "orderItems":[{"productId":27,"price":77.5,"productName":"thinking in java"}],
      "shippingAddress":[{"city":"beijing"}]
      "orderPayment":[{"ccinfo":"111-222-333","txnid":"asdfadcd334","billingAddress":{"city":"beijing"}}],
      }
    ]
  }
}

• 高并发的操作是不太建议有关联查询的，互联网公司用冗余数据来避免关联查询

• 聚合模型几大分类

1. KV键值
2. bson
3. 列族
4. 图形

NoSql数据库的四大分类

1. KV键值：典型介绍
2. 文档型数据库(bson格式比较多)：典型介绍
3. 列存储数据库
4. 图关系数据库

分布式数据库中CAP原理

• cap
• C:Consistency（强一致性）
• A:Availability（可用性）
• P:Partition tolerance（分区容错性）

CAP理论就是说在分布式存储系统中，最多只能实现上面的两点。
而由于当前的网络硬件肯定会出现延迟丢包等问题，所以

分区容忍性是我们必须需要实现的。

所以我们只能在一致性和可用性之间进行权衡，没有NoSQL系统能同时保证这三点。

C:强一致性 A：高可用性 P：分布式容忍性
CA 传统Oracle数据库

AP 大多数网站架构的选择

CP Redis、Mongodb

注意：分布式架构的时候必须做出取舍。
一致性和可用性之间取一个平衡。多余大多数web应用，其实并不需要强一致性。
因此牺牲C换取P，这是目前分布式数据库产品的方向

一致性与可用性的决择

对于web2.0网站来说，关系数据库的很多主要特性却往往无用武之地

数据库事务一致性需求
　　很多web实时系统并不要求严格的数据库事务，对读一致性的要求很低， 有些场合对写一致性要求并不高。允许实现最终一致性。

数据库的写实时性和读实时性需求
　　对关系数据库来说，插入一条数据之后立刻查询，是肯定可以读出来这条数据的，但是对于很多web应用来说，并不要求这么高的实时性，比方说发一条消息之 后，过几秒乃至十几秒之后，我的订阅者才看到这条动态是完全可以接受的。

对复杂的SQL查询，特别是多表关联查询的需求
　　任何大数据量的web系统，都非常忌讳多个大表的关联查询，以及复杂的数据分析类型的报表查询，特别是SNS类型的网站，从需求以及产品设计角 度，就避免了这种情况的产生。往往更多的只是单表的主键查询，以及单表的简单条件分页查询，SQL的功能被极大的弱化了。

BASE

BASE就是为了解决关系数据库强一致性引起的问题而引起的可用性降低而提出的解决方案。

BASE其实是下面三个术语的缩写：
基本可用（Basically Available）
软状态（Soft state）
最终一致（Eventually consistent）

它的思想是通过让系统放松对某一时刻数据一致性的要求来换取系统整体伸缩性和性能上改观。为什么这么说呢，缘由就在于大型系统往往由于地域分布和极高性能的要求，不可能采用分布式事务来完成这些指标，要想获得这些指标，我们必须采用另外一种方式来完成，这里BASE就是解决这个问题的办法

分布式系统

分布式系统（distributed system）
由多台计算机和通信的软件组件通过计算机网络连接（本地网络或广域网）组成。分布式系统是建立在网络之上的软件系统。正是因为软件的特性，所以分布式系统具有高度的内聚性和透明性。因此，网络和分布式系统之间的区别更多的在于高层软件（特别是操作系统），而不是硬件。分布式系统可以应用在在不同的平台上如：Pc、工作站、局域网和广域网上等。

简单来讲：
1分布式：不同的多台服务器上面部署不同的服务模块（工程），他们之间通过Rpc/Rmi之间通信和调用，对外提供服务和组内协作。

2集群：不同的多台服务器上面部署相同的服务模块，通过分布式调度软件进行统一的调度，对外提供服务和访问。

Redis安装

• 大部分情况下都会使用linux作为开发,所以一般来讲都会在linux上使用的更多一点.
• redis官网:https://redis.io/
• 可以在官网下载号压缩包,然后传入linux中,如果linux主机能够访问网络也可以直接使用命令进行下载

wget http://download.redis.io/releases/redis-4.0.11.tar.gz

• 然后将压缩包解压到一个位置,然后进行编译,注意redis是由C语言编写的,所以编译redis需要C语言的编译器
• 解压redis

tar xzf redis-4.0.11.tar.gz

• 安装gcc(C语言编译器)

yum -y install gcc

• 编译redis

make

• It’s a good idea to run ‘make test’ ? ,出现这句提示语表示redis编译成功,如果时间富裕的话可执行"make test"命令进行测试.

• 继续执行安装

make install

• 执行"make test"进行测试

• 出现错误,提示需要 tcl,要使用Redis的测试用例也就是tests目录下面用的是tcl脚本,就需要安装tcl8.5

• 测试成功

• 启动redis,进入到redis目录之下的src目录之中
• 启动redis服务

./redis-server

• 打开一个新的终端窗口
• 执行redis工具

./redis-cli

• 设置一个值

set sex boy

• 取得设置的值

get sex

redis配置文件

• redis的根目录下的redis.conf文件就是redis的配置文件,
• 拷贝一份redis.config配置文件

 cp redis.conf /myconfig/

• 进入到 /usr/local/bin 目录下,安装redis之后,bin目录下会有redis的启动文件
• 修改自己拷贝的redis配置文件,将redis设置为后台运行

• 启动/usr/local/bin/redis-server 并使用拷贝的redis配置文件

 ./redis-server /myconfig/redis.conf 

• 启动redis-cli

redis基础知识

• redis默认有16个数据库，类似数组下表从零开始，初始默认使用零号库
• 设置数据库的数量，默认数据库为0，可以使用SELECT 命令在连接上指定数据库id

  databases 16

• select命令切换数据库

select index

• 查看当前数据库的key的数量

dbsize

• 清空当前库

flushdb

• 通杀全部库

Flushall；

• 统一密码管理，16个库都是同样密码，要么都OK要么一个也连接不上
• Redis索引都是从零开始
• 默认端口是6379

redis五大数据结构

1. String字符串

string是redis最基本的类型，你可以理解成与Memcached一模一样的类型，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jpg图片或者序列化的对象 。

string类型是Redis最基本的数据类型，一个redis中字符串value最多可以是512M(理论数据)

2. hash(类似于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

3. List（列表）
   Redis 列表是简单的字符串列表，按照插入顺序排序。你可以添加一个元素导列表的头部（左边）或者尾部（右边）。
   它的底层实际是个链表

4. Set（集合）
   Redis的Set是string类型的无序集合。它是通过HashTable实现实现的，

5. 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的排序。zset的成员是唯一的,但分数(score)却可以重复。