浅谈Redis数据库的键值设计

红太狼 2022-06-05 09:53 261阅读 0赞

丰富的数据结构使得redis的设计非常的有趣。不像关系型数据库那样，DEV和DBA需要深度沟通，review每行sql语句，也不像memcached那样，不需要DBA的参与。redis的DBA需要熟悉数据结构，并能了解使用场景。  
Advertisement  
  
　　下面举一些常见适合kv数据库的例子来谈谈键值的设计，并与关系型数据库做一个对比，发现关系型的不足之处。  
　　用户登录系统  
　　记录用户登录信息的一个系统， 我们简化业务后只留下一张表。  
　　关系型数据库的设计  
mysql> select \* from login;   
\+---------+----------------+-------------+---------------------+   
| user\_id | name           | login\_times | last\_login\_time     |   
\+---------+----------------+-------------+---------------------+   
|       1 | ken thompson   |           5 | 2011-01-01 00:00:00 |   
|       2 | dennis ritchie |           1 | 2011-02-01 00:00:00 |   
|       3 | Joe Armstrong  |           2 | 2011-03-01 00:00:00 |   
\+---------+----------------+-------------+---------------------+  
　　user\_id表的主键，name表示用户名，login\_times表示该用户的登录次数，每次用户登录后，login\_times会自增，而last\_login\_time更新为当前时间。  
　　redis的设计  
　　关系型数据转化为KV数据库，我的方法如下：  
　　key 表名：主键值：列名  
　　value 列值  
　　一般使用冒号做分割符，这是不成文的规矩。比如在php-admin for redis系统里，就是默认以冒号分割，于是user:1 user:2等key会分成一组。于是以上的关系数据转化成kv数据后记录如下：  
　　Set login:1:login\_times 5   
　　Set login:2:login\_times 1   
　　Set login:3:login\_times 2   
　　Set login:1:last\_login\_time 2011-1-1   
　　Set login:2:last\_login\_time 2011-2-1   
　　Set login:3:last\_login\_time 2011-3-1   
　　set login:1:name ”ken thompson“   
　　set login:2:name “dennis ritchie”   
　　set login:3:name ”Joe Armstrong“  
　　这样在已知主键的情况下，通过get、set就可以获得或者修改用户的登录次数和最后登录时间和姓名。  
　　一般用户是无法知道自己的id的，只知道自己的用户名，所以还必须有一个从name到id的映射关系，这里的设计与上面的有所不同。  
　　set "login:ken thompson:id" 1   
　　set "login:dennis ritchie:id" 2   
　　set "login: Joe Armstrong:id" 3  
　　这样每次用户登录的时候业务逻辑如下(python版)，r是redis对象，name是已经获知的用户名。  
　　\#获得用户的id   
　　uid = r.get("login:%s:id" % name)   
　　\#自增用户的登录次数   
　　ret = r.incr("login:%s:login\_times" % uid)   
　　\#更新该用户的最后登录时间   
　　ret = r.set("login:%s:last\_login\_time" % uid, datetime.datetime.now())  
　　如果需求仅仅是已知id，更新或者获取某个用户的最后登录时间，登录次数，关系型和kv数据库无啥区别。一个通过btree pk，一个通过hash，效果都很好。  
　　假设有如下需求，查找最近登录的N个用户。开发人员看看，还是比较简单的，一个sql搞定。  
　　  
select \* from login order by last\_login\_time desc limit N  
　　DBA了解需求后，考虑到以后表如果比较大，所以在last\_login\_time上建个索引。执行计划从索引leafblock 的最右边开始访问N条记录，再回表N次，效果很好。  
　　过了两天，又来一个需求，需要知道登录次数最多的人是谁。同样的关系型如何处理?DEV说简单  
select \* from login order by login\_times desc limit N  
　　DBA一看，又要在login\_time上建立一个索引。有没有觉得有点问题呢，表上每个字段上都有素引。  
　　关系型数据库的数据存储的的不灵活是问题的源头，数据仅有一种储存方法，那就是按行排列的堆表。统一的数据结构意味着你必须使用索引来改变sql的访问路径来快速访问某个列的，而访问路径的增加又意味着你必须使用统计信息来辅助，于是一大堆的问题就出现了。  
　　没有索引，没有统计计划，没有执行计划，这就是kv数据库。  
　　redis里如何满足以上的需求呢? 对于求最新的N条数据的需求，链表的后进后出的特点非常适合。我们在上面的登录代码之后添加一段代码，维护一个登录的链表，控制他的长度，使得里面永远保存的是最近的N个登录用户。  
　　\#把当前登录人添加到链表里   
　　ret = r.lpush("login:last\_login\_times", uid)   
　　\#保持链表只有N位   
　　ret = redis.ltrim("login:last\_login\_times", 0, N-1)  
　　这样需要获得最新登录人的id，如下的代码即可  
　　last\_login\_list = r.lrange("login:last\_login\_times", 0, N-1)  
　　另外，求登录次数最多的人，对于排序，积分榜这类需求，sorted set非常的适合，我们把用户和登录次数统一存储在一个sorted set里。  
　　zadd login:login\_times 5 1   
　　zadd login:login\_times 1 2   
　　zadd login:login\_times 2 3  
　　这样假如某个用户登录，额外维护一个sorted set，代码如此  
　　\#对该用户的登录次数自增1   
　　ret = r.zincrby("login:login\_times", 1, uid)  
　　那么如何获得登录次数最多的用户呢，逆序排列取的排名第N的用户即可  
　　ret = r.zrevrange("login:login\_times", 0, N-1)  
　　可以看出，DEV需要添加2行代码，而DBA不需要考虑索引什么的。  
　　TAG系统  
　　tag在互联网应用里尤其多见，如果以传统的关系型数据库来设计有点不伦不类。我们以查找书的例子来看看redis在这方面的优势。  
　　关系型数据库的设计  
　　两张表，一张book的明细，一张tag表，表示每本的tag，一本书存在多个tag。  
mysql> select \* from book;   
\+------+-------------------------------+----------------+   
| id   | name                          | author         |   
\+------+-------------------------------+----------------+   
|    1 | The Ruby Programming Language | Mark Pilgrim   |   
|    1 | Ruby on rail                  | David Flanagan |   
|    1 | Programming Erlang            | Joe Armstrong  |   
\+------+-------------------------------+----------------+   
  
  
mysql> select \* from tag;   
\+---------+---------+   
| tagname | book\_id |   
\+---------+---------+   
| ruby    |       1 |   
| ruby    |       2 |   
| web     |       2 |   
| erlang  |       3 |   
\+---------+---------+  
　　假如有如此需求，查找即是ruby又是web方面的书籍，如果以关系型数据库会怎么处理?  
　　select b.name, b.author from tag t1, tag t2, book b   
　　where t1.tagname = 'web' and t2.tagname = 'ruby' and t1.book\_id = t2.book\_id and b.id = t1.book\_id  
　　tag表自关联2次再与book关联，这个sql还是比较复杂的，如果要求即ruby，但不是web方面的书籍呢?  
　　关系型数据其实并不太适合这些集合操作。  
　　redis的设计  
　　首先book的数据肯定要存储的，和上面一样。  
　　set book:1:name ”The Ruby Programming Language”   
　　Set book:2:name ”Ruby on rail”   
　　Set book:3:name ”Programming Erlang”   
　　set book:1:author ”Mark Pilgrim”   
　　Set book:2:author ”David Flanagan”   
　　Set book:3:author ”Joe Armstrong”  
　　tag表我们使用集合来存储数据，因为集合擅长求交集、并集  
　　sadd tag:ruby 1   
　　sadd tag:ruby 2   
　　sadd tag:web 2   
　　sadd tag:erlang 3  
　　那么，即属于ruby又属于web的书?  
　　inter\_list = redis.sinter("tag.web", "tag:ruby")  
　　即属于ruby，但不属于web的书?  
　　inter\_list = redis.sdiff("tag.ruby", "tag:web")  
　　属于ruby和属于web的书的合集?  
　　inter\_list = redis.sunion("tag.ruby", "tag:web")  
　　简单到不行阿。  
　　从以上2个例子可以看出在某些场景里，关系型数据库是不太适合的，你可能能够设计出满足需求的系统，但总是感觉的怪怪的，有种生搬硬套的感觉。  
　　尤其登录系统这个例子，频繁的为业务建立索引。放在一个复杂的系统里，ddl(创建索引)有可能改变执行计划。导致其它的sql采用不同的执行计划，业务复杂的老系统，这个问题是很难预估的，sql千奇百怪。要求DBA对这个系统里所有的sql都了解，这点太难了。这个问题在oracle里尤其严重，每个DBA估计都碰到过。对于MySQL这类系统，ddl又不方便(虽然现在有online ddl的方法)。碰到大表，DBA凌晨爬起来在业务低峰期操作，这事我没少干过。而这种需求放到redis里就很好处理，DBA仅仅对容量进行预估即可。  
　　未来的OLTP系统应该是kv和关系型的紧密结合。

转载地址：[http://blog.csdn.net/educast/article/details/19673781][http_blog.csdn.net_educast_article_details_19673781]

[http_blog.csdn.net_educast_article_details_19673781]: http://blog.csdn.net/educast/article/details/19673781