Redis是一个基于key-value的高速缓存系统，类似于memcached，但是支持更复杂的数据结构List、Set、SortedSet，并且有持久化的功能。

由于近期工作很多地方都用到了它，所以花了不少时间来阅读文章、编码实验，了解一下Redis都能做些什么，能有什么样的性能表现。

首先遇到的第一个问题就是，Redis究竟是什么？

这个问题看似可笑，其实不然，我很赞同Timyang的，架构者对Redis的理解不同、定位也不同，决定了Redis在整个系统结构中会扮演什么样的角色。我总结一下，主流有3种理解：

1.key value store.是一个以key-value形式存储的数据库，定位直指MySQL，用来作为唯一的存储系统。

2.memory cache.是一个把数据存储在内存中的高速缓存，用来在应用和数据库间提供缓冲，替代memcachd。

3.data structrue server.把它支持对复杂数据结构的高速操作作为卖点，提供某些特殊业务场景的计算和展现需求。比如排行榜应用，Top 10之类的。

目前更多的人还是把它定位为一个memcached的升级版，提供更多的数据结构操作，仍然是一个cache。

传统的memcached在类似于SNS社区这样的业务场景下，有一些弊端。比如存储好友关系，不得不使用特殊字符分隔的长字符串来保存。在好友关系没有上限的业务需求下，操作性能低下，达不到缓存系统应有的性能水平。而且从数据库中的关系型结构映射到cache中的长字符串形式，很明显也是架构中很蹩脚的一个环节。

而Redis提供的List、Set和Sorted Set就可以很好的业务模型映射到相应的数据结构上，契合度很高。按我的理解，关系数据库理论几乎可以照搬到Redis的应用中来。

Redis官方教程中的就是一个非常好的入手点。用Set结构来存储follower和following，用List结构来保存每个人的所有post，再加上一些普通的key-value来存储用户基本信息，很直观和清晰。

我再来举一个好友关系的业务场景来描述一下我的理解，标准关系型数据库结构是怎么和Redis存储结构实现一一映射的。

数据库中有3张表：

1.用户表有两列：id、昵称

2.好友关系表有列：用户id、好友id、好友所属分组id、好友备注、添加好友时间

3.分组表：分组id、分组名称、所属用户id

增加、删除一个好友，就是在好友关系表里insert或delete一条记录。

获取某用户的所有好友分组，及分组内的好友数：

获取某用户某分组下的好友列表：

再来看看Redis如何实现类似的业务场景。

用户昵称：uid:xxxxx:nickname，以String结构存储，相当于user表

分组名称：gid:yyyyy:gname，以String结构存储

用户所有分组：uid:xxxxx:groups，以Set结构存储gid的集合

分组下好友：gid:yyyyy:friends，以Set结构存储，保存fuid的集合

好友：uid:xxxxx:fuid:zzzzz:gid、uid:xxxxx:fuid:zzzzz:remark、uid:xxxxx:fuid:zzzzz:time各自使用String结构存储，相当于friends表的每个字段

添加一个好友需要把uid:xxxxx:fuid:zzzzz:gid、uid:xxxxx:fuid:zzzzz:remark、uid:xxxxx:fuid:zzzzz:time这三个字段set好，再sadd gid:yyyyy:friends zzzzz，把好友加到这个组的集合内

获取某用户的所有好友分组，及分组内的好友数，需要用smembers获取uid:xxxxx:groups集合中的gid，再用这些gid来分别scard gid:yyyyy:friends获取该分组下有多少好友。

获取用户123456在分组1001下的好友列表：

很有意思是不是，很像sql语句，key中的*符号是个占位符，可以被sort出的结果替换，进而get到动态key里面的value。

我们可以总结一下，传统的关系型数据库，处理一对多的问题，需要把外键放在多的一端，因为RDBMS理论中没有集合这个直接概念。而使用Redis，我们可以很直觉的在一的一端来管理一对多的关系，使用Set。

这只是使用上的区别，而理论上，RDBMS的理论完全可以套用在Redis上，所有用关系型数据库理论可以描述的结构，用Redis的数据结构，都可以实现。

最关键的是，如果使用MySQL，当数据规模非常大时，上面两个查询操作都需要借助表关联技术，而大表间的join在大型系统中是需要极力避免的操作。相反Redis的每个操作都会局限在一个较小的数据集范围内，而且key-value的存储形式，定位key只是一个复杂度为O(1)的操作。在very huge的数据量下，Redis性能效果非常优异，这就是NoSQL的优势所在！