1. Nosql 的适用场景

1.1 少量数据存储, 高速读写访问.

• 通过将数据in-memory 来保证高速的访问.
• 通常采用Redis 来做高速缓存.

1.2 分布式下的海量数据存储, 保证数据一致性.

• 同时需要做到方便地添加/删除节点.
• dynamo : 完全无中心.
  • 节点间通过gossip 方式传递集群信息.
  • 保证数据的最终一致性.
• bigtable 2: 中心化设计.
  • 通过分布式锁来保证强一致性.
  • 流程: 数据先写入内存和redo log, 然后定期归并到硬盘上.
  • 优势: 将随机写优化为顺序写.

1.3 优势: Schema free, auto-sharding.

• NoSQL 能够更好地对应由于业务变更而导致的schema 变更.

2. MemCached 的适用场景

2.1 少量的静态数据.

• 如HTML 代码片段.

2.2 String 是唯一支持的数据类型.

• 所以消耗的内存资源更少.

2.3 可读数据的存储.

• 由于String 并不需要进一步的处理.

2.4 更易于横向扩展.

• 由于存储的都是相互独立的string 值.

3. Memcached 的Slab Allocation 机制

3.1 旧的方式

• 对所有记录简单地进行malloc/free 来进行内存分配.
• 缺陷: 导致内存碎片; 加重OS 内存管理的负担.

3.2 Slab 机制

• 相当于内存池
  • 从OS 分配一大块内存, 然后memcached 自己负责管理这块内存, 包括分配和回收.

3.3 Slab 基本原理

• Chunk
  • 按照预先设定的尺寸, 将分配的内存分隔成各种大小的chunk, 以解决内存碎片.
  • chunk 的尺寸按比例递增.
  • 收到数据后, 选择合适的slab, 根据slab 内空闲chunk 列表来选择合适的chunk , 然后将数据存储到chunk 中.

• 缺陷 : 由于分配的是特定尺寸的内存, 无法保证有效利用.

  

4. Redis 的适用场景

4.1 处理过期项目.

• 使用time作为score.

4.2 计数.

• 利用其atomic increment 特性.

4.2 特定时间内的特定项目.

4.3 实时分析正在发生的情况.

• 例如用于数据统计与防止垃圾邮件等.

4.4 消息队列.

• 系统组件间通信,或系统跟其它服务间交互.
  • 将系统中各组件解耦, 不再受最慢组件的约束.
  • 各组件异步运行,以更块地完成各自的工作.