一、Redis-NoSQL数据库
转载：【https://blog.csdn.net/aaronthon/article/details/81714528 】
【https://www.cnblogs.com/StanleyBlogs/p/10522254.html 】
一、首先在学习redis之间要解释一个概念，NoSQL
1、非关系型数据库《NoSQL》：
NoSQL，简单通俗一点来说就是菲关系型数据库，所谓的非关系型数据库严格上不是一种数据库，应该是一种数据结构化存储方法的集合，可以是文档或者键值对等，
优点：
1、格式灵活：存储数据的格式可以是key,value形式、文档形式、图片形式等等，文档形式、图片形式等等，使用灵活，应用场景广泛，而关系型数据库则只支持基础类型。
2、速度快：NoSQL可以使用硬盘或者随机存储器作为载体，而关系型数据库只能使用硬盘；
3、高扩展性；
4、成本低：NoSQL数据库部署简单，基本都是开源软件。
缺点：
1、不提供sql支持，学习和使用成本较高；
2、数据结构相对复杂，复杂查询方面稍欠。
2、关系型数据库：
系型数据库最典型的数据结构是表，由二维表及其之间的联系所组成的一个数据组织
优点：
1、易于维护：都是使用表结构，格式一致；
2、使用方便：SQL语言通用，可用于复杂查询；
3、复杂操作：支持SQL，可用于一个表以及多个表之间非常复杂的查询。
缺点：
1、读写性能比较差，尤其是海量数据的高效率读写；
2、固定的表结构，灵活度稍欠；
3、高并发读写需求，传统关系型数据库来说，硬盘I/O是一个很大的瓶颈。
二、为什么要使用NoSQL
随着互联网web2.0网站的兴起，传统的关系数据库在应对web2.0网站，特别是超大规模和高并发的SNS类型的web2.0纯动态网站以及显得力不从心，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，多重复数据种类带来的挑战，尤其是大数据应用难题，包括大规模数据的存储（例如谷歌或Facebook每天为澳门的用户手机万亿比特的数据），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；
在最早的项目研发时期，是单机MySQL的美好年代，无非就是三层架构，dao层直接访问数据库获取数据后响应给客户即可，非常简单，但是随着时代的改变，以及互联网用户越来越多，大规模的互联网公司兴起，数据量急剧增加，再用最早的开发模式，已经完全满足不了现在时代的需求了；
所以就NoSQL（非关系型数据库）横空出世，来解决大数据量情况下提高数据库读取效率，从而提升系统性能以及客户体验；
在早期的系统，dao层直接访问数据库获取数据，但是现在时代的变迁，这样的方式在数据量大的情况下，效率非常非常的查，你无论怎么优化都是徒劳；
NoSQL出现后，犹如在数据库前面加了一堵墙，dao层先访问Redis，Redis再访问数据库；
数据库读出来的数据先存入Redis，获取数据的时候，直接从Redis中获取即可，不用再通过数据库从内存中读写；
三、选择redis的好处：
1、免费开源：
2、数据存储：数据保存在内存中，读取速率高，并且可以不定期的持久化，保证了数据的安全。
3、支持类型：相比较memcached(支持支String字符串和二进制码)支持的类型多，redis(支持String、List、set、zset、hash)
4、跨语言：支持各种语言客户端访问，如：Java、C/C++、C#、PHP、JavaScript.
5、扩展性：支持集群（主从同步）数据可以从主服务器向任意数量的从服务器同步，从服务器可以使关联其他从服务器的主服务器。
四、MySql、Memcached、Redis的比较
五、使用场景：
1、缓存：
经常查数据，发到读写速度很快的内存中，以便下次访问减少时间，减少压力，减少访问时间。
2、计数器的应用：
比如网站统计用户的点击数，两站的总浏览量等，QQ的点赞数、转发数。
3、实施防攻击系统：
例如，攻击——> 暴力破解用户密码，防——>记录IP访问次数，当次数达到一定量是锁定用户。
传统解决方案：
3.1 、存储进数据库（存在问题，登录访问量巨大高并发。）
3.2、定义一个 static Map<Object> map ; 集合，将登陆信息放入内存中（存在问题是，Map空间有限大批量就不再适用，且断电后数据丢失。）
问题：
3.3、每次查询数据慢，解决方案《多次写内存》。
3.4、断电后数据丢失，多个节点不能共用，解决方案《redis集群，容量无限大，可以共享数据，且支持过期》
4、排行榜：
营销活动的排行榜，如：总分榜、消费榜，积分榜。
5、设置应用有效期：
设置数据的有效期，到指定时间失效、解锁。
六、单机MySQL的时代：
在最早的javaweb开发应用程序中，无非就是JSP跳JSP，一个JSP处理用户并且响应，另外一个JSP发出请求，请求别的JSP，再往后，JSP跳Serclet，Serclet掉业务逻辑层的方法，业务逻辑掉数据访问层，数据访问层去请求数据库发起事物；
在90年代，一个网站的访问量都不大，用单个数据库完全可以轻松应付；
在那个时候，更多的都是静态网页，动态交互类型的网站不多；
在那个时候程序的划分也非常简单：
随着时代的变迁，数据的总量总有一天会撑破这个机器，数据库读取也就是查询效率讲会变得非常非常低；
建立索引也是会占用磁盘空间的，数据量越大，你索引越多，时间久了机器就是受不了你这样折腾了；
还有一个访问量（读写混合）一个数据库是受不了的，你读取跟插入数据都是在同一个数据库，这样数据库也是承受不了的（数据量大的情况下）；
所以，问题已经列出来了，我们就要解决，要去优化这些问题，提高性能；
七、Redis + MySQL + 垂直分布：
随着数据量大，读写都是在同一台机器上，扛不住了以后呢，项目架构也就进行了改变：
跟上一张图标对比，是只有一个MySQL数据库，并且现在我们还在MySQL前面档了一层Cache（这里理解成Redis【缓存】）,换句话说，之前是DAO层直接去访问数据库，现在DAO层直接去Redis里面是不是有点像替数据库挡了一层，大家都指定，对数据库伤害比较大的就是频繁的查询，如果频繁查询的刚好还是一些固定的顺序，我们是不是可以把他摘出来放到缓存里面（Redis）；
七、MySQL主从读写分离：
举个例子，现在是一台机器一个数据库，我现在要求一台机器变成五个数据库，那么，其中的一台数据库作为主库，另外四台作为从库，我插入一条数据是给主库，主库这个时候需要同步另外四个从库，比如我主库里面有 a b c，这个时候我向里面查一个d，这个时候主库就需要向另外四个从库也添加一个d来保持同步；
也可以理解为主从复制，主表里面有什么东西，我从表需要迅速的复制粘贴进来；
读写分离，顾名思义，读就是查询，写就是增 删 改，在我们自己做练习的时候，增删改查一直都是同一台机器或同一个数据库，但是在实际开发当中，这种情况是不允许的，因为非常影响效率；
所以又有一个数据库是只做查询，另外一个数据库是只做增 删 改，这就是读写分离，所以就造成了下面这张图：
由于数据库的写入压力增加，Redis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赋值技术来达到读写分离，提高读写性能和读库的可扩展性；
之前是光在mysql前面档了一个缓存，现在，在缓存背后又出现了数据库的拆分，变成了读写分离了，M代表主表，S代表从表；
就是，对于一个数据库的信息，写的操作都放到M（主）库了，读的操作都去从库去度，这样的话，存载的数据被分割以后，就可以大大的缓解数据库的压力；
八、分库分表 + 水平拆分 + MySQL集群：
经过前几次的拆分，改变，读写分离，往后发现又扛不住了，这个时候，集群就出来了；
在Redis的高速缓存，MySQL的主从复制，读写分离的基础上，这时，MySQL主库的读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库增长的扩展问题，这个时候，分表分库就成了一个热门的技术，是面试的热门问题也是业界讨论的热门技术问题；
也就是在这个时候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MySQL Cluster集群，但性能也不能很好满足互联网的需求，只是在高可靠性上提供非常大的保障；
我们可以发现，以上图就用了数据库的集群，三个数据库各司其职，每个数据库存放的是整个项目数据的3分之1，频繁查询的数据库单独列出一个库，经常不用的数据也独立出来放在一个数据库中；
九、Redis为何会这么快
1、Redis是纯内存操作，需要的时候需要我们手动持久化到硬盘中
2、Redis是单线程，从而避开了多线程中上下文频繁切换的操作。
3、Redis数据结构简单、对数据的操作也比较简单
4、使用底层模型不同，它们之间底层实现方式以及与客户端之间通信的应用协议不一样，Redis直接自己构建了VM 机制 ，因为一般的系统调用系统函数的话，会浪费一定的时间去移动和请求
5、使用多路I/O复用模型，非阻塞I/O
