最近针对Redis的基本数据结构、持久化机制、事务、主从复制和分布式锁等知识点做了系统的学习和整理，现对本次学习Redis的过程做一次思考和总结。
为什么要使用nosql（not only sql）
这个问题我们站在互联网技术中常提到的"高并发"和"高可用"关键词来思考这个问题，我是这样子理解的：
- 传统的关系型数据库，比如单机的MySQL的QTS只有2000~3000左右，在一些大并发的场景下，比如618活动、双11活动等场景下，数据库根本就扛不住这么大的并发量，轻而易举的就将数据库打挂了，从而导致了服务不可用。
- 每请求一次数据库可以看作是一次I/O，在大并发的场景下，频繁的I/O非常影响系统的性能。
- 传统的关系型数据库存在扩展成本高、读写慢（速度肯定不会比直接在内存中取快）、容量有限等问题。
- nosql具有高并发（直接内存操作）、高可用（主从、集群模式）、成本低和没有复杂的关系等优点。
- Java或者Guava的map其实性能也很高，但是不能满足需求，因为生命周期随着JVM而结束。而且现在大部分项目都是分布式的，没法解决缓存的一致性的问题。
举个例子：用户第一次从数据库中读到数据之后缓存到redis中，然后第二次直接从redis中读取就会大大提高系统的性能。
当然nosql也存在一些缺点，比如不支持SQL语句查询、特性不够丰富等。
综上所述，nosql的出现更多的是为了解决数据量大，分布式中的问题，提高系统的高并发和高可用，为了数据吞吐量上的数量而对数据一致性打一点折扣。
市面上常见nosql数据都有什么
- 键值(Key-Value)存储数据库
- 相关产品： Tokyo Cabinet/Tyrant、Redis、Voldemort、Berkeley DB
- 典型应用： 内容缓存，主要用于处理大量数据的高访问负载。
- 数据模型： 一系列键值对
- 优势： 快速查询
- 劣势： 存储的数据缺少结构化
- 列存储数据库
- 相关产品：Cassandra, HBase, Riak
- 典型应用：分布式的文件系统
- 数据模型：以列簇式存储，将同一列数据存在一起
- 优势：查找速度快，可扩展性强，更容易进行分布式扩展
- 劣势：功能相对局限
- 文档型数据库
- 相关产品：CouchDB、MongoDB
- 典型应用：Web应用(与Key-Value类似，Value是结构化的)
- 数据模型： 一系列键值对
- 优势：数据结构要求不严格
- 劣势： 查询性能不高，而且缺乏统一的查询语法
- 图形(Graph)数据库
- 相关数据库：Neo4J、InfoGrid、Infinite Graph
- 典型应用：社交网络
- 数据模型：图结构
- 优势：利用图结构相关算法
- 劣势：需要对整个图做计算才能得出结果，不容易做分布式的集群方案
redis都有哪些常见的应用场景
- 最常用的功能就是缓存。直接从缓存查找数据，减少I/O，直接提高程序性能。
- 分布式session共享的问题。
- 分布式锁的实现（redisson）。
- zset实现排行榜功能。
- BitMap实现判断哪些用户登陆过系统的功能
- 实现发布/订阅功能，不过基本不推荐这么使用，有成熟的MQ解决方案，比如rabbitMQ、kafka