Remote Dictionary Server（Redis）——基于 KV 结构的作为 Cache 使用的 NoSQL 数据库管理系统

Redis 是基于key-value存储结构的NoSQL 数据库，是内存数据库。

一、非关系型数据库NoSQL 和关系型数据库RDBMS

1）什么是关系型数据库和非关系型数据库？

答：
简单的说，关系型数据库就是数据库中的数据是相互关联的，MySQL就是关系型数据库。
非关系型数据库就是数据库中数据之间是无联系的，Redis是非关系型数据库。

2）两者有哪些区别？

答：
两者区别主要包括数据结构、数据关联性、事务特性、性能和存储。

1.从存储的表结构上说：

RDBMS的表结构一般比较固定，不会轻易修改。
NOSQL的表结构比较随意，有key-value结构、json文档、图结构。

2.从表中数据的关联性上说：

RDBMS的表中数据一般存在关联性。
NOSQL的表中数据一般不存在关联性，因此往往需要消耗更多的存储空间。


3.从数据库查询上来说：

RDBMS的所有数据库查询语句有统一的语法
NOSQL的查询针对每一种数据库都有所不同。

4.从事务上来说：

RDBMS满足ACID，数据具有安全性。
NOSQL不满足ACID，数据不具有安全性。

总结区别：

3）两者的优缺点？

答：
由于关系型数据库和非关系型数据库它们的底层数据结构（表结构和数据类型）存在本质不同，导致它们在CURD、高并发、存储消耗存在很大不同。目前在互联网领域海量数据的项目中NoSQL应用非常广泛。

关系型数据库的瓶颈：
（1）无法应对每秒上万次的读写请求，无法处理大量集中的高并发操作。关系型数据是 IO密集的应用，硬盘 IO 也变为性能瓶颈。

（2）表中存储记录数量有限，横向可扩展能力有限，一张表最大二百多列。纵向数据可承受能力也是有限的，一张表的数据到达百万级，读写的速度就会逐渐的下降。面对海量数据， 必须使用主从复制，分库分表。这样的系统架构是难以维护的。
大数据查询 SQL 效率极低，数据量到达一定程度时，查询时间会呈指数级别增长

（3）无法简单地通过增加硬件、服务节点来提高系统性能。数据整个存储在一个数据库中的。多个服务器没有很好的解决办法，来复制这些数据。

（4）关系型数据库大多是收费的，对硬件的要求较高。软件和硬件的成本花费比重较大。

非关系型数据库优势：

（1） 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。关系型数据库（例如 MySQL）使用查询缓存。这种查询缓存在更新数据后，缓存就是失效了。在频繁的数据读写交互应用中。 缓存的性能不高。NoSQL 的缓存性能要高的多。

（2） 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。尤其在快速变化的市场环境中，用户的需求总是在不断变化的。

（3） 高可用

NoSQL 在不太影响性能的情况，就可以方便的实现高可用的架构。

NoSQL 能很好的解决关系型数据库扩展性差的问题。弥补了关系数据（比如 MySQL） 在某些方面的不足，在某些方面能极大的节省开发成本和维护成本。

MySQL 和 NoSQL 都有各自的特点和使用的应用场景，两者结合使用。让关系数据库关注在关系上，NoSQL 关注在存储上。

（4） 低成本

这是大多数分布式数据库共有的特点，因为主要都是开源软件，没有昂贵的 License 成本

非关系型数据库劣势：

（1） 无关系，数据之间是无联系的。数据存在冗余，存储空间浪费。
（2） 不支持标准的 SQL，没有公认的 NoSQL 标准

（3） 没有关系型数据库的约束，大多数也没有索引的概念

（4） 没有事务，不能依靠事务实现 ACID.

（5） 没有丰富的数据类型（数值，日期，字符，二进制，大文本等）

二、Redis的五种基本数据类型和底层实现原理（数据结构）

答：
分别介绍一下Redis各个数据类型、内部实现原理、以及应用场景。

参考：Redis 常见数据类型和应用场景

Redis 数据结构并不是指 String（字符串）对象、List（列表）对象、Hash（哈希）对象、Set（集合）对象和 Zset（有序集合）对象，因为这些是 Redis 键值对中值的数据类型，也就是数据的保存形式，这些对象的底层实现的方式就用到了数据结构，因为数据类型就是对底层数据结构和合法操作进行了封装。

Redis 的键值对中的 key 就是字符串对象，而 value 可以是字符串对象，也可以是集合数据类型的对象，比如 List 对象、Hash 对象、Set 对象和 Zset 对象。

共有 8 种数据结构：SDS、双向链表、压缩列表、哈希表、跳表、整数集合、quicklist、listpack。

1）底层数据结构

1.简单动态字符串（simple dynamic string，SDS）

答：

字符串在 Redis 中是很常用的，键值对中的键是字符串类型，值有时也是字符串类型。

Redis 是用 C 语言实现的，但是它没有直接使用 C 语言的 char* 字符数组来实现字符串，而是自己封装了一个名为简单动态字符串（simple dynamic string，SDS） 的数据结构来表示字符串，也就是 Redis 的 String 数据类型的底层数据结构是 SDS。

既然 Redis 设计了 SDS 结构来表示字符串，肯定是 C 语言的 char* 字符数组存在一些缺陷。
●获取字符串长度的时间复杂度为 O（N）；
●字符串的结尾是以 “\0” 字符标识，字符串里面不能包含有 “\0” 字符，因此不能保存二进制数据；
●字符串操作函数不高效且不安全，比如有缓冲区溢出的风险，有可能会造成程序运行终止；

Redis 实现的 SDS 的结构就把上面这些问题解决了

	记：
	简单动态字符串对C语言中的字符串进行了优化。其封装了字符串长度、空间分配长度、SDS类型、字符数组，能画出SDS的数据结构封装图。
	
	针对C语言中字符串，在获取字符串长度的时间复杂度为O（n）的问题上，SDS通过成员变量len记录字符串长度，因此在获取字符串长度时，不需要再遍历一遍字符串，而是直接返回len的值，时间复杂度为O(1)。
	针对C语言中字符串，在进行字符串修改或者字符串拼接时，容易发生缓冲区溢出问题。SDS通过成员变量alloc记录分配的空间长度，每次修改字符串时，都能通过alloc-len计算剩余空间，因此不会发生溢出问题。
	针对C语言中字符串，会将“\0”视为字符串结尾标志，使得无法记录二进制数据的问题。SDS因为有成员变量len记录字符串长度，因此可以不通过“\0”来记录字符串结尾标志，从而使得SDS不仅可以记录文本数据，还可以记录二进制数据（如图片、音频、视频这样的二进制数据）
	还有一些节省内存空间的方法，针对大小不同的字符串，设计不同数据类型的结构体。以及对字节对齐方式进行了优化。

2.双向链表

答：
redis的链表具有前置结点和后置结点，并且数据域也采用指针形式。

Redis 在 listNode 结构体基础上又封装了 list 这个数据结构，list 结构为链表提供了链表头指针 head、链表尾节点 tail、链表节点数量 len、以及可以自定义实现的 dup、free、match 函数。

	记：
	能记住或画出双向链表的结构，以及封装了list的链表结构（可以认为是基本数据类型列表的双向列表具体实现），再说一下它的优缺点。
	优点主要是在获取前后置结点、表头表尾结点、链表结点数量的时间复杂度都为O（1）。且链表结点数据域采用指针存储，使得可以保存各种不同类型的值。
	缺点是链表结点的内存不连续性，无法很好使用CPU缓存。而且保存当前结点时，需要保存前后置结点的指针，因此开销比较大。

3.压缩列表（ziplist）

答：

压缩列表的最大特点，就是它被设计成一种内存紧凑型的数据结构，占用一块连续的内存空间，不仅可以利用 CPU 缓存，而且会针对不同长度的数据，进行相应编码，这种方法可以有效地节省内存开销。

但是，压缩列表的缺陷也是有的：

●不能保存过多的元素，否则查询效率就会降低；
●新增或修改某个元素时，压缩列表占用的内存空间需要重新分配，甚至可能引发连锁更新的问题。

（连续更新发生的原因是：后一节点会记录前一个结点所占内存的字节长度大小，如果新增结点所占字节数大于等于255，会导致后一节点的prelen属性所占内存重新分配，进而导致后一节点的整个字节数增大，又会再影响下下个结点，因此产生各个结点内存大小需要更新的连锁反应）

因此，Redis 对象（List 对象、Hash 对象、Zset 对象）包含的元素数量较少，或者元素值不大的情况才会使用压缩列表作为底层数据结构。

	记：
	首先，能记住或画出压缩列表的结构图。
	压缩列表是一块连续内存块组成的顺序型数据结构，有点类似于数组。包含表头表尾，中间存储数据的各个节点，他们的数据类型可以不相同。
	再说一下优缺点。压缩列表的优点是可以利用 CPU 缓存，而且会针对不同长度的数据，进行相应编码，有效节省内存开销。