Memcache和Redis、Mongodb优缺点及应用场景

随着数据库设计存储结构的变化，出现了各种各样的结构类型，如下

一.Mongodb端口（27017）:

（1）是文档型的非关系型数据库，使用json结构。其优势在于查询功能比较强大，能存储海量数据，缺点是比较消耗内存。1.mongodb 端口（27017）

（2）一般可以用来存放评论等半结构化数据，支持二级索引。适合存储json类型数据，不经常变化。

优点：

• 文档结构的存储方式，能够更便捷的获取数据
• 内置GridFS，支持大容量的存储
• 内置Sharding，分片简单
• 海量数据下，性能优越
• 支持自动故障恢复（复制集）

缺点：

• 不支持事务操作
• 占用空间过大
• MongoDB没有如MySQL那样成熟的维护工具
• 无法进行关联表查询，不适用于关系多的数据
• 复杂聚合操作通过mapreduce创建，速度慢
• 模式自由,自由灵活的文件存储格式带来的数据错误

应用场景：

从目前阿里云MongoDB云数据库的用户看，MongoDB的应用已经渗透到各个领域，比如游戏，物流，电商，内容管理，社交，物联网，视频直播等，以下是几个实际的应用案例。

～ 游戏场景：使用mongodb存储游戏用户信息，用户的装备，积分等直接以内嵌文档的形式存储，方便查询，更新

～ 物流场景：使用Mongodb存储订单信息，订单状态在运送过程中会不断更新，以Mongodb内嵌数组的形式来存储，一次查询就能将订单所有的变更读取出来。

～ 社交场景：使用mongodb存储用户信息，以及用户发表的朋友圈信息，通过地理位置索引实现附近的人，地点等功能

～ 物联网场景：使用mongodb存储所有接入的智能设备信息，以及设备回报的日志信息，并对这些信息进行多维度的分析

～ 视频直播：使用Mongodb存储用户信息，礼物信息等

二.redis 端口（6379）

（1）是内存型数据库，数据保存在内存中，通过tcp直接存取，优势是读写性能高。

（2）redis是内存型KV数据库（键值存储数据库，其数据按照键值对的形势进行组织、索引、存储），不支持二级索引，支持list，set等多种数据格式。适合存储全局变量，适合读多写少的业务场景。很适合做缓存。

优点：

• 支持多种数据类型 string、list、set、zset、hash
• 数据可以持久化保持（AOF、快照），写入硬盘，
• 支持灾难恢复，主从复制。主机会自动将数据同步到从机，可以进行读写分离。
• 读写性能优异。

缺点：

• redis不支持自动容错和恢复功能，主从当机都会导致前端读写失败，需手动前端Ip或者机器重新启动
• 主机宕机，主从数据复制过程中，数据未完全复制到从机，会出现数据不一致。
• redis较难支持在线扩容，当集群数据达到上限在线扩容变得复杂。

应用场景：

• 配合关系型数据库做高速缓存
• 缓存高频次数据，降低数据库io
• 分布式架构，做session共享

例子：

比如微信token每两小时刷新一次，就比较适合用redis存储，读也比较方便；

在线游戏排行榜；计时达到一定时间后显示相关广告；按照用户投票和时间排序，更新新闻；

统计在某段特点时间里有多少特定用户访问了某个特定资源，统计哪些特定用户访问了某篇的文章；

三.Memcached 端口（11211）

一个高性能的分布式内存对象缓存系统，用于动态Web应用以减轻数据库负载。它通过在内存中缓存数据和对象来减少读取数据库的次数，从而提供动态、数据库驱动网站的速度。Memcached基于一个存储键/值对的hashmap。 端口（11211）

优点：

• 部分容灾：假设只用一台memcache，如果这台memcache服务器挂掉了，那么请求将不断的冲击数据库，这样有可能搞死数据库，从而引发”雪崩“。如果使用多台memcache服务器，由于memcache使用一致性哈希算法，万一其中一台挂掉了，部分请求还是可以在memcache中命中，为修复系统赢得一些时间。
• 容量问题：一台memcache服务器的容量毕竟有限，可以使用多台memcache服务器，增加缓存容量。
• 均衡请求：使用多台memcache服务器，可以均衡请求，避免所有请求都冲进一台memcache服务器，导致服务器挂掉。
• 利用memcache分布式特性：使用一台memcache服务器，并没有利用memcache的数据分布式特性。

缺点：

• 不能持久化存储
• 存储数据有限制：1M 【大于1M，认为就行分割】（内存碎片）
• mm存储数据只能key-value
• 集群数据没有复制和同步机制 【崩溃不会影响程序，会从数据库中取数据】
• 内存回收不能及时 LRU(算法)：未使用内存》过期内存》最近最少使用内存 这是惰性删除

应用场景：

• 分布式缓存
• 数据库前段缓存
• 服务器间数据共享