NoSQL和Redis学习和入门day01

静待一树花开,盼你何时归来!



简介

学习视频网站
https://www.bilibili.com/video/BV1oW411u75R?p=1

单一的MySQL

  在90年代,一个网站的浏览量一般都不大,用单个数据库完全可以轻松应付。 在那时,更多的是静态网页,动态交互类型的网站不多。从APP到数据访问层DAL,再到MySQL。
在这里插入图片描述
技术瓶颈:
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.浏览量(读写混合)一个实例不能承受

Memcached(缓存)+MySQL+垂直拆分

  随着网站浏览量的增多,几乎大部分使用MySQL架构的网站在数据库方面都开始出现了性能问题,web程序不再仅仅专注在功能业务,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,但是当浏览量继续增大的时候,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。
在这里插入图片描述

Mysql主从读写分离

 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。
在这里插入图片描述

分表分库+水平拆分+mysql集群

 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。
在这里插入图片描述

MySQL的扩展性瓶颈

 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MySOL的开发人员面临的问题。

NoSQL

 NoSQL(NoSQL = Not Only SQL),意即“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,包括超大规模数据的存储。

 (例如谷歌或Facebook每天为他们的用户收集万亿比特的数据)。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。

NoSQL的优点

易扩展
 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数据库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。

传统RDBMS VS NOSQL

1.RDBMS

 高度组织化结构化数据
 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

2.NoSQL

 代表着不仅仅是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,高可用性和可伸缩性

常见NoSQL

Redis
Memcached
MongDB

3V + 3高

1.大数据时代的3V:

 海量Volume
 多样Variety
 实时Velocity

2.互联网需求的3高:

 高并发
 高可括
 高性能

经典问题:
 以一个电商客户、订单、订购、地址模型来对比关系型数据库和非关系型数据库

1.传统关系型数据库如何设计
 ER图(1:1、1:N、N:1,主外键等)—实体关系图

2.NoSQL如何设计
 使用Bson,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.

NoSQL的数据模型

聚合模型
 1.KV键值
 2.Bson
 3.列族
在这里插入图片描述

 4.图形
在这里插入图片描述

NoSQL数据库的四大分类

1.KV键值对

典型代表
 新浪:BerkeleyDB + Redis
 美团:Redis + tair
 阿里、百度:memcache + Redis

2.文档型数据库

典型代表:
 CouchDB
 MongoDB

 MongoDB是一个基于分布式文件存储的数据库。由C++语言编写。旨在为WEB应用提供可扩展的高性能数据存储解决方案。它是一个介于关系数据库和非关系数据库之间的产品,是非关系数据库当中功能最丰富,最像关系数据库的。

3.列存储数据库

典型代表:
 Cassandra,HBase

4.图关系数据库

典型代表:
 Neo4J,InfoGrid

** 对比**
在这里插入图片描述

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。

  • CA 单点集群,满足一致性,可用性的系统,通常在可扩展性上不太强大。传统Oracle数据库等RDBMS关系数据库管理系统
  • AP 满足一致性,分区容错性的系统,通常性能不是特别高。大多数网站架构的选择
  • CP 满足可用性,分区容错性的系统,通常可能对一致性要求低一些, 如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。
 CAP理论的核心是:一个分布式系统不可能同时很好的满足一致性,可用性和分区容错性这三个需求,最多只能同时较好的满足两个。

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,比方说在微博发一条消息之后,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。

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+集群简介

 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。
 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,对外提供服务和连接。

Redis

 Remote Dictionary Server(远程字典服务器)是完全开源免费的,用C语言编写的,遵守BSD协议,是一个高性能的(key/value)分布式内存数据库,基于内存运行 并支持持久化的NoSQL数据库,是当前最热门的NoSql数据库之一,也被人们称为数据结构服务器。

Redis 与其他 key - value 缓存产品有以下三个特点:

 Redis支持数据的持久化,可以将内存中的数据保持在磁盘中,重启的时候可以再次加载进行使用
 Redis不仅仅支持简单的key-value类型的数据,同时还提供list,set,zset,hash等数据结构的存储
 Redis支持数据的备份,即master-slave模式的数据备份

Redis基本功能

  • 内存存储和持久化:Redis支持异步将内存中的数据写到硬盘上,同时不影响继续服务
  • 取最新N个数据的操作,如:可以将最新的10条评论的ID放在Redis的List集合里面
  • 模拟类似于HttpSession这种需要设定过期时间的功能
  • 发布、订阅消息系统
  • 定时器、计数器

Redis操作

  • 数据类型、基本操作和配置
  • 持久化和复制,RDB/AOF
  • 事务的控制
  • 复制(主从关系)

启动后杂项基础知识

1.测试redis在机器运行的效能

redis-benchmark

2.默认16个数据库,类似数组下标从零开始,初始默认使用零号库,可在配置文件配置,select命令切换数据库
示例:切换到7号数据库

select 6

3.dbsize查看当前数据库的key的数量

dbsize

4.flushdb:清空当前库

flushdb

5.flushall:清空全部库

flushall

单进程

  • 单进程模型来处理客户端的请求。对读写等事件的响应 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的情况下的系统CPU利用率。

常用五大数据类型简介

Redis的五大数据类型

1.String(字符串)

string是redis最基本的类型,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

2.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>

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。

基础总结列表

NoSQL和Redis学习和入门day01
NoSQL和Redis基础总结day02—五大常用数据类型和持久化
NoSQL和Redis基础知识day03—geospatial地理位置
NoSQL和Redis基础总结day04— 事务 和 发布和订阅机制
NoSQL和Redis基础总结day05— 主从复制,哨兵模式,Redis缓存穿透和雪崩




评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值