Redis与Memcache区别_Redis和Memcache性能比较

一、MySQL Memcached的问题

实际MySQL是适合进行海量数据存储的、通过Memcached将热点数据加载到cache、加速访问、很多公司都曾经使用过这样的架构、但随着业务数据量的不断增加、和访问量的持续增长、我们遇到了很多问题

1、MySQL需要不断进行拆库拆表、Memcached也需不断跟着扩容、扩容和维护工作占据大量开发时间

2、Memcached与MySQL数据一致性问题

3、Memcached数据命中率低或down机、大量访问直接穿透到DB、MySQL无法支撑

4、跨机房cache同步问题

二、NoSQL百花齐放、如何选择

最近几年、业界不断涌现出很多各种各样的NoSQL产品、那么如何才能正确地使用好这些产品、最大化地发挥其长处、是我们需要深入研究和思考的问题、 实际归根结底最重要的是了解这些产品的定位、并且了解到每款产品的tradeoffs、在实际应用中做到扬长避短、这些不同类型的NoSQL产品、我们需要根据我们的业务场景选择最合适的产品、总体上这些NoSQL主要用于解决以下几种问题

1、少量数据存储、高速读写访问、此类产品通过数据全部in-momery 的方式来保证高速访问、同时提供数据落地的功能、实际这正是Redis最主要的适用场景

2、海量数据存储、分布式系统支持、数据一致性保证、方便的集群节点添加/删除

3、这方面最具代表性的是dynamo和bigtable 2篇论文所阐述的思路、前者是一个完全无中心的设计、节点之间通过gossip方式传递集群信息、数据保证最终一致性、后者是一个中心化的方案设计、通过类似一个分布式锁服务来保证强一致性,数据写入先写内存和redo log、然后定期compat归并到磁盘上、将随机写优化为顺序写、提高写入性能

4、Schema free、auto-sharding等、比如目前常见的一些文档数据库都是支持schema-free的、直接存储json格式数据、并且支持auto-sharding等功能、比如mongodb

三、Redis适用场景、如何正确的使用

前面已经分析过、Redis最适合所有数据in-momory的场景、虽然Redis也提供持久化功能、但实际更多的是一个disk-backed的 功能、跟传统意义上的持久化有比较大的差别

那么可能大家就会有疑问、似乎Redis更像一个加强版的Memcached、那么何时使用 Memcached、何时使用Redis呢？如果简单地比较Redis与Memcached的区别、大多数都会得到以下观点

1、Redis不仅仅支持简单的k/v类型的数据、同时还提供list、set、zset、hash等数据结构的存储

2、Redis支持数据的备份、即master-slave模式的数据备份

3、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

抛开这些、可以深入到Redis内部构造去观察更加本质的区别、理解Redis的设计、在Redis中、并不是所有的数据都一直存储在内存中的、这是和Memcached相比一个最大的区别、Redis只会缓存所有的 key的信息、如果Redis发现内存的使用量超过了某一个阀值、将触发swap的操

Redis根据“swappability = age*log(size_in_memory)”计 算出哪些key对应的value需要swap到磁盘、然后再将这些key对应的value持久化到磁盘中、同时在内存中清除、这种特性使得Redis可以 保持超过其机器本身内存大小的数据、当然、机器本身的内存必须要能够保持所有的key

毕竟这些数据是不会进行swap操作的、同时由于Redis将内存 中的数据swap到磁盘中的时候、提供服务的主线程和进行swap操作的子线程会共享这部分内存、所以如果更新需要swap的数据、Redis将阻塞这个 操作、直到子线程完成swap操作后才可以进行修改

使用Redis特有内存模型前后的情况对比

VM off: 300k keys, 4096 bytes values: 1.3G used
VM on:  300k keys, 4096 bytes values: 73M used
VM off: 1 million keys, 256 bytes values: 430.12M used
VM on:  1 million keys, 256 bytes values: 160.09M used
VM on:  1 million keys, values as large as you want, still: 160.09M used

当 从Redis中读取数据的时候、如果读取的key对应的value不在内存中、那么Redis就需要从swap文件中加载相应数据、然后再返回给请求方、 这里就存在一个I/O线程池的问题、在默认的情况下、Redis会出现阻塞、即完成所有的swap文件加载后才会相应、这种策略在客户端的数量较小、进行 批量操作的时候比较合适

但是如果将Redis应用在一个大型的网站应用程序中、这显然是无法满足大并发的情况的、所以Redis运行我们设置I/O线程池的大小、对需要从swap文件中加载相应数据的读取请求进行并发操作、减少阻塞的时间

如果希望在海量数据的环境中使用好Redis、我相信理解Redis的内存设计和阻塞的情况是不可缺少的