Redis与Memcached对比

Redis是一种高级key-value数据库。它跟memcached类似，不过数据可以持久化，而且支持的数据类型很丰富，有字符串、链表、集合和有序集合。支持在服务器端计算集合的并，交和补集等。还支持多种排序功能。所以Redis也可以被看成是一个数据结构服务器。

Redis的所有数据是保存在内存中，然后不定期的通过异步方式保存到磁盘上（半持久化模式）；也可以把每一次数据变化都写入到一个append only file(aof)里面(全持久化模式)。

     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的操作，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。

redis、memcache、mongoDB对比

1、性能：

都比较高，性能对我们来说应该都不是瓶颈。总体来讲，TPS方面redis和memcache差不多，要大于mongodb；

2、操作的便利性：

memcache 数据结构单一（key-value）；redis 丰富一些，数据操作方面，redis 更好一些，较少的网络 IO 次数，同时还提供 list，set，hash 等数据结构的存储；mongodb 支持丰富的数据表达，索引，最类似关系型数据库，支持的查询语言非常丰富。

3、内存空间的大小和数据量的大小

redis 在 2.0 版本后增加了自己的 VM 特性，突破物理内存的限制；可以对 key value 设置过期时间（类似 memcache）；
      memcache 可以修改最大可用内存,采用 LRU 算法。Memcached 代理软件 magent，比如建立10 台 4G 的 Memcache 集群，就相当于有了 40G；mongoDB 适合大数据量的存储，依赖操作系统 VM 做内存管理，吃内存也比较厉害，服务不要和别的服务在一起。

4、可用性（单点问题）

redis依赖客户端来实现分布式读写；主从复制时，每次从节点重新连接主节点都要依赖整个快照,无增量复制，因性能和效率问题， 所以单点问题比较复杂；不支持自动sharding,需要依赖程序设定一致hash 机制。 一种替代方案是，不用redis本身的复制机制，采用自己做主动复制（多份存储），或者改成增量复制的方式（需要自己实现），一致性问题和性能的权衡；

memcache本身没有数据冗余机制，也没必要；对于故障预防，采用依赖成熟的hash或者环状的算法，解决单点故障引起的抖动问题;

mongoDB支持master-slave,replicaset（内部采用paxos选举算法，自动故障恢复）,auto sharding机制，对客户端屏蔽了故障转移和切分机制;

5、可靠性（持久化）

对于数据持久化和数据恢复:redis 支持（快照、AOF）,依赖快照进行持久化，aof 增强了可靠性的同时，对性能有所影响
  memcache 不支持，通常用在做缓存,提升性能；
  MongoDB 从 1.8 版本开始采用 binlog 方式支持持久化的可靠性;

6、数据一致性（事务支持）

redis事务支持比较弱，只能保证事务中的每个操作连续执行;

memcache 在并发场景下，用cas保证一致性;

mongoDB不支持事务;

7、数据分析

mongoDB内置了数据分析的功能(map-reduce),其他不支持

8、应用场景

redis：数据量较小的操作和运算上；
  memcache：用于在动态系统中减少数据库负载，提升性能;做缓存，提高性能（适合读多写少，对于数据量比较大，可以采用 sharding）
  mongoDB:主要解决海量数据的访问效率问题。

相比memcached：

1、redis具有持久化机制，可以定期将内存中的数据持久化到硬盘上。

2、redis具备binlog功能，可以将所有操作写入日志，当redis出现故障，可依照binlog进行数据恢复。

3、redis支持virtual memory，可以限定内存使用大小，当数据超过阈值，则通过类似LRU的算法把内存中的最不常用数据保存到硬盘的页面文件中。

4、redis原生支持的数据类型更多，使用的想象空间更大。

5、前面有位朋友所提及的一致性哈希，用在redis的sharding中，一般是在负载非常高需要水平扩展时使用。我们还没有用到这方面的功能，一般的项目，单机足够支撑并发了。redis 3.0将推出cluster，功能更加强大。