Redis（缓存数据库，有效控制查询）是非关系型数据库

缓存穿透、缓存击穿，缓存雪崩

Nosql概述

为什么使用NoSQL

大数据时代，那么什么是大数据，大数据就是一般的数据库没有办法进行分析处理，其中大数据处理产品就有Hadoop【2006】,【springBoot、springcould分布式开发】

1.单机MySQL的时代

App -> DAL -> MySQL

最早的时候数据模型是App又叫Web -> DAL数据库访问层 -> MySQL

最早的时候是一种数据库对应的一套语言，后来有了JDBC,使用JDBC可以做到，一种语言可以对应多种数据库，再到后台出现了现在的MyBatise，实现的方式越来越简单

为什么会出现缓存（用户太大，信息太多）

1. 数据库太大，一个机器放不下

2. 数据的索引太大，比如MySQL单表超过300万数据，就必须建立索引，不建立索引就会查询很慢，就必须创建索引

3. 访问量（读写）太大，一个服务器承受不了

2.Memcached（缓存） + MySQL+ 垂直拆分

读写分离

网页百分之八十都是在对，每次查询都去去查询数据库，会很慢，并且相同的查询会被重复调用会导致效率低，所以使用缓存来提高服务器和数据库的效率，所以缓存主要是解决读的问题

发展过程：优化数据结构和索引 -> 文件缓存（数据流的读写IO）-> Memcached

3.分库分表 + 水平拆分 + MySQL集群

技术和业务在发展，对人的要求就高，技术越来越复杂，

本质，数据库的读写

一开始一条线读写单机，后台加缓存，读的问题解决。再往后读的问题解决了，那么写的问题也要解决，

MyISM：锁表，影响效率，在高并发下就会出现很大问题

升级InnoDB：行锁，提高效率

慢慢的使用分库分表，解决写的压力

4.近年来（2010-2020）

因为数据量大，变化快导致mysql关系型数据库就不够用了，所以又出现了其他的的数据库，比如把数据放到缓存里，经过一定固定的时间再把数据放到持久层数据库中持久化，保证数据的安全。mysql有时候也会存储比较大的文件，比如图片，导致数据表很大，数据表大那么再去做查询的时候效率就会低，所以就在想可不可将一些公共的数据拿出去单独的管理，用来专门处理这些数据，那么mysql的压力就会变小。要处理这些数据，用关系型数据库就已经处理不了了，比如大数据的IO压力下，表的结构几乎是不能改的，因为数据再存储之前数据的列都是已经设计好的，那么在数据量很大的基础上，要去动态对列进行增加或者减少，这几乎是不可能的或者是费劲的。这里有一个名词叫“灰度发布”又叫“金丝雀发布”意思是在发布或者更新项目的时候是平滑的。

5.目前一个基本的互联网项目

用户去访问企业某些信息的时候，用户先是访问企业的防火墙或者一些路由网关，访问防火墙之前要做一个事情叫“负载均衡”（主机和备机）通过负载均衡去搭上各个服务器，，每个服务器都有对应的多个myslq服务器，除了mysql花卉进阿里一些缓存服务器、移动信息服务器、hadoop集群、实时通信服务器、流媒体服务器、图片服务器、文件服务器、群发服务器等等...

什么是NoSQL

NoSQL = Not Only SQL 

NoSQL泛指非关系型数据库，传统的关系型数据库（关系型数据库是由行和列组成的）对超大规模的高并发的社区处理不了，就会暴露出来很多难以克服的问题，所以产生了非关系型数据库，NoSQL在当今数据环境下发展的十分迅速，Redis是发展最快的，而且四我们当先必须掌握的技术！

很多的数据类型，比如用户信息，社交网络，地理位置。这些数据类型的存储不需要一个固定的格式（行列，关系）！是动态发展的，不许哟啊多余的操作就可以横向扩展的。类似于java里的Map<String,Object>,这是最典型的NoSQL，以(key,value)键值对来控制使用(注：键值对控制只是NoSQL的一种NoSQ总共有四大分类，这只是其中的一种，典型代表是Redis)

NoSQL的特点

1.方便扩展（数据之前没有关系，解耦）

2.大数据量高性能（Redis一秒可以写8万字，读取11万字，NoSQL的缓存记录级是一种细粒度的缓存）

3.数据类型是多样型的（不需要事先设计数据库，如果是Redis可以用过get、set随取随用的）

4.传统的RDBMS和NoSQL区别

传统的RDBMS
- 结构化组织
- SQL
- 数据和关系都存在单独的表中(row col)
- 操作操作数据的操作语言，数据定义语言
- 严格的一致性
- 基础的事务操作
.....

NoSQL
- 不仅仅是数据
- 没有固定的查询语言，有很多的语法，去学语法就可以了
- 很多的存储方式，比如：键值对存储、列存储、文档存储、图形数据库（社交关系）...
- 最终一致性
- CAP定理和BASE(异地多活，保证整个服务器不荡机，一个地方崩了其他的地方还可以正常的运行)
- 保证“三高”问题,高性能、高可用、高可扩展性
- ....

了解：3V+3高

大数据时间的3V:主要是描述问题的

1.海量Volume

2.多样Variety

3.实时Velocity

大数据时间的3高:主要是对程序的要求

1.高并发

2.高可扩

3.高性能

真正在公司实践中是MySQL + NoSQL一起使用的