1 关系型数据库和非关系型数据库
关系型数据库 (Relational Database) 和非关系型数据库 (Non-relational Database 或 NoSQL Database) 之间的主要区别可以从以下几个方面进行理解：
1.1 数据结构：
关系型数据库：以表格形式存储数据，每个字段（列）具有明确的类型，每个记录（行）都遵循同一种模式。它们使用 SQL（Structured Query Language，结构化查询语言）进行查询。
非关系型数据库：没有固定的数据模式。数据可能被存储为键值对、宽列、文档或图形等。它们不需要严格的模式定义和复杂的关系设计。
1.2 可扩展性：
关系型数据库：通常通过增加计算资源（例如，CPU、RAM或硬盘驱动器空间）来进行垂直扩展（scaling up）。然而，这种方法的缺点是成本较高并存在扩展限制。
垂直扩展（Vertical Scaling），也被称为“扩大”，是通过增加数据库服务器的硬件性能来提升数据库系统的处理能力。这通常意味着增加 CPUs，RAM 或 SSD 等资源。
具体来说，以下是垂直扩展可能包括的一些步骤：
- 增加 CPU 资源：可以提供更多的计算能力，使得数据库能够处理更复杂或者数量更大的任务。
- 增加内存 (RAM)：有更多的数据可以在内存中快速访问，从而加快查询和其他数据库操作。
- 增加存储空间：可以容纳更多的数据和索引，从而支持大量的读写操作。
垂直扩展的优点包括：
- 实施简单，只需要对现有硬件进行升级。
- 数据一致性和完整性更易于维护，因为所有的数据都在一个地方。
- 然而，垂直扩展也有一些限制：
- 物理限制：每台服务器的硬件升级都有其极限。当达到这个极限时，就无法通过增加硬件资源来提高性能了。
- 价格问题：高性能的硬件成本往往非常高。
- 可用性问题：如果所有数据都在一台服务器上，那么这台服务器出现故障就会导致整个系统不可用。
非关系型数据库：更易于水平扩展（scaling out），即添加更多服务器到数据库中进行分区，以处理更大的数据量和交易负载。这种方式提供了更好的可扩展性，并且成本效益更高。
水平扩展，也被称为“扩大”，是通过添加更多的机器到你的资源池（如数据库服务器）以处理更多的负载的方法。这种方法通常涉及到分区或者数据分片，其中每个机器承担部分负载。
例如，在数据库的上下文中，水平扩展可能意味着增加更多的服务器来分散数据库查询的负载。通常情况下，数据库会被分解成多个分片，每个分片持有一部分整体数据，并且由单独的服务器托管。这样，查询可以在多个服务器上同时进行，从而提高了性能并减小了任何单台服务器的负载。
总的来说，水平扩展提供的是良好的可扩展性和容错性，但可能带来更复杂的数据管理和应用程序设计问题。
1.3 事务性
关系型数据库：支持ACID(原子性、一致性、隔离性和持久性)事务，在并发控制和回滚操作中都支持完整的事务管理，能够保证数据的正确性和完整性。
非关系型数据库：不是所有的NoSQL数据库都支持ACID事务。许多NoSQL数据库更倾向于实现 BASE（基本可用，软状态，最终一致）模型，牺牲一部分一致性以获得更高的可用性和可扩展性。
1.4 应用场景
关系型数据库：适合需要处理复杂事务和业务的场景，如银行系统、库存系统等。
非关系型数据库：适合需要处理海量数据并要求快速读写的场景，如社交网络、实时分析、推荐引擎等。
2 Redis优点
2.1 基于内存操作
内存读写速度快
2.2 支持多种数据类型
2.2.1 String
String的一个读写例子：
redis> SET mykey "Hello World"
OK
redis> GET mykey
"Hello World"
2.2.2 Hash
Redis 的哈希类型用于存储键值对的集合。以下是一个使用哈希类型数据操作的例子。 假设我们有一个名为 user1000 的哈希，它包含用户的基本信息。
HSET user1000 "name" "John Doe"
HSET user1000 "email" "john.doe@example.com"
HSET user1000 "password" "s3cret"
- 获取哈希的全部字段和值：
HGETALL user1000
返回值：
1) "name"
2) "John Doe"
3) "email"
4) "john.doe@example.com"
5) "password"
6) "s3cret"
- 获取特定字段的值：
HGET user1000 "name"
- 检查哈希中是否存在某个字段：
HEXISTS user1000 "email"
- 删除哈希中的某个字段：
HDEL user1000 "password"
- 获取哈希中的字段数量：
HLEN user1000
2.2.3 List
lpush mylist "apple"
# (integer) 1
lpush mylist "banana"
# (integer) 2
lpush mylist "cherry"
# (integer) 3
lrange mylist 0 -1
# 1) "cherry"
# 2) "banana"
# 3) "apple"
lrem mylist 1 "banana"
# (integer) 1
https://www.nowcoder.com/discuss/500466833489666048?sourceSSR=search
1 redis的数据结构
Redis 支持多种数据结构，包括：
字符串（String）: 这是最基本的类型，你可以理解成与 Memcached 一模一样的类型，一个 key 对应一个 value。这个字符串类型是二进制安全的。意思是 redis 的 string 可以包含任何数据。
哈希表（Hashes）: Redis hash 是一个 string 类型的 field 和 value 的映射表，hash 特别适合用于存储对象。
列表（Lists）: Redis 列表是简单的字符串列表，按照插入顺序排序。可以添加一个元素到列表的头部（左边）或者尾部（右边）。
集合（Sets）: Redis set 是 string 类型的无序集合。也不允许重复的成员。
有序集合（Sorted sets）: Redis sorted sets 和 set 一样也是 string 类型的集合,另外每个元素都会关联一个 double 类型的分数。redis正是通过分数来为集合中的成员进行从小到大的排序。
位图（Bitmaps）: 位图其实就是字符串，但是对位提供了直接操作。通过bit命令，我们可以对字符串指定偏移量上的位(bit)直接进行操作。
HyperLogLogs： 这种数据结构主要用来统计唯一值，也就是用来做基数统计。
流（Streams）: Redis Streams 是 Redis 5.0 引入的新特性，它是一个类似于日志系统的数据结构，支持存储多个键值对的时间戳，并且保持插入顺序。
