NoSQL-Redis入门(一)

从这篇开始记录Redis相关知识:

1 NoSQL是什么?
1.1 NoSQL特性
1.1.1 易扩展
1.1.2 大数据量与高性能
1.2 RDBMS vs NoSQL
1.2.1RDBMS
1.2.1.1 高度组织化结构数据
1.2.1.2 结构化查询语言(SQL)
1.2.1.3 数据和关系都存储在单独的表中
1.2.1.4 数据操纵语言,数据定义语言
1.2.1.5 严格的一致性
1.2.1.6 基础事务
1.2.2 NoSQL
1.2.2.1 代表不仅仅是SQL
1.2.2.2 没有声明性查询语言
1.2.2.3 没有预定义的模式
1.2.2.4 键 - 值对存储,列存储,文档存储,图形数据库
1.2.2.5 最终一致性,而非ACID属性
1.2.2.6 非结构化和不可预知的数据
1.2.2.7 CAP定理
1.2.2.8 高性能,高可用性与可伸缩性
2 NoSQL去哪里下载?
3 NoSQL该怎么玩?
4 3V+3高
5 当下NoSQL经典应用
6 NoSQL数据库的四大分类
7 在分布式数据库中CAP远离CAP+BASE

1.NoSQL是什么?


NoSQL=Not only sql 非关系型数据库
数据库常用类型就是那么几种。随着业务发展,比如说社交网络中数据关系是错综复杂的,比如说你大爷的奶奶的老公的儿子的某某某,这种数据存储在关系型数据库中显然是不太现实的。🈶️比如说横向的扩展一张表中的子段,不停的alter table 以及我数据表中子段有可能达到1000个,这个也不太现实。传统数据库是不能支撑的。
1.1 NoSQL 的特性:

1.1.1 易扩展
NoSQL数据库种类繁多,但是一个共通的特点就是去掉关系型数据库的关系型特性,数据之间无关系,这就非常容易扩展,也无形之间,在架构的层面上带来了可扩展的能力。
1.1.2 大数据量与高性能
一般的MySQL使用Query Cache ,比如说我们常用的Hibernate,MyBatis等,在使用时我们可以使用一级、二级缓存来提高应用的性能, 比如用户在访问使用缓存的应用时,数据是从缓存中读取的。但是在使用传统数据库时,每次表更新之后,原有的Cache就会失效,这是一种大粒度的Cache,一般针对web2.0的交互频繁的应用,cache性能不高。而NoSQL是记录级的,是一种细粒度的Cache,所以NoSQL在这个层面上性能就要高很多了。
Redis:read=8w次/s ,write =11w次/s
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。而在关系型数据库里,增删字段是一件很恐怖的事情,如果是大数据量的表,增加字段简直是一个噩梦。因为现在数据少,但在生产活动下,是很困难的。

1.2 RDBMS vs NoSQL
在目录上有两者的对比:

RDBMS
高度组织化结构数据
结构化查询语言(SQL)
数据和关系都存储在单独的表中
数据操纵语言,数据定义语言
严格的一致性
基础事务
1.2.2 NoSQL
代表不仅仅是SQL
没有声明性查询语言
没有预定义的模式
键 - 值对存储,列存储,文档存储,图形数据库
最终一致性,而非ACID属性
非结构化和不可预知的数据
CAP定理
高性能,高可用性与可伸缩性
后期再扩展,这块不太懂

顺便说下现在大型互联网公司的应用中缓存使用:
美团Tair
淘宝Redis
论缓存性能Memcache 是高速缓存,性能最强,但是Redis 存储的种类最多,所以相对权重中Redis最强。

2 NoSQL去哪里下载?


Redis下载地址:http://redis.io/download
配置教程:

Mac:http://blog.sina.com.cn/s/blog_62d4d5900101bp7s.html
Windows:http://www.runoob.com/redis/redis-install.html
linux:http://www.linuxdown.net/install/soft/2016/0108/4305.html

3 nosql该怎么玩?


NoSQL 功能:

KV:
Cache:
Persistence:
后期补充

4 3V+3高


3V+3高
大数据时代的3V
海量(Volume)
朋友圈,淘宝双十一,数据量大
多样(Variety)
一条微博图片、文字、背景音乐
实时(Velocity)
比如12306 数据实时,比如说携程定飞机票,其实做不到绝对的实时。
互联网需求的3高
高并发
微信抢红包,12306多用户抢票
高性能
性能要高,数据库容灾备份,keep alive 等。
高可扩
pc内存要大。
纵向扩展:内存条2、4、8G扩充,纵向增长有其限制
横向扩展:多个pc同时运行,对外封装,前方挡着一个7起任务分配与引流作用的负载均衡。

博客搬家:大坤的个人博客
欢迎评论哦~

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352

推荐阅读更多精彩内容