豐富的數據結構使得redis的設計非常的有趣。不像關系型數據庫那樣，DEV和DBA需要深度溝通，review每行sql語句，也不像memcached那樣，不需要DBA的參與。redis的DBA需要熟悉數據結構，并能了解使用場景。

下面舉一些常見適合kv數據庫的例子來談談鍵值的設計，并與關系型數據庫做一個對比，發現關系型的不足之處。

用戶登錄系統

記錄用戶登錄信息的一個系統， 我們簡化業務后只留下一張表。

關系型數據庫的設計

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表的主鍵，name表示用戶名，login_times表示該用戶的登錄次數，每次用戶登錄后，login_times會自增，而last_login_time更新為當前時間。

redis的設計

關系型數據轉化為KV數據庫，我的方法如下：

key 表名：主鍵值：列名

value 列值

一般使用冒號做分割符，這是不成文的規矩。比如在php-admin for redis系統里，就是默認以冒號分割，于是user:1 user:2等key會分成一組。于是以上的關系數據轉化成kv數據后記錄如下：

Set login:1:login_times 5 Set login:2:login_times 1 Set login:3:login_times 2Set login:1:last_login_time 2011-1-1 Set login:2:last_login_time 2011-2-1 Set login:3:last_login_time 2011-3-1set login:1:name ”ken thompson“ set login:2:name “dennis ritchie” set login:3:name ”Joe Armstrong“

這樣在已知主鍵的情況下，通過get、set就可以獲得或者修改用戶的登錄次數和最后登錄時間和姓名。

一般用戶是無法知道自己的id的，只知道自己的用戶名，所以還必須有一個從name到id的映射關系，這里的設計與上面的有所不同。

set "login:ken thompson:id" ? 1 set "login:dennis ritchie:id"??? 2 set "login:?Joe Armstrong:id"? 3

這樣每次用戶登錄的時候業務邏輯如下（python版），r是redis對象，name是已經獲知的用戶名。

#獲得用戶的id uid = r.get("login:%s:id" % name) #自增用戶的登錄次數 ret = r.incr("login:%s:login_times" % uid) #更新該用戶的最后登錄時間 ret = r.set("login:%s:last_login_time" % uid, datetime.datetime.now())

如果需求僅僅是已知id，更新或者獲取某個用戶的最后登錄時間，登錄次數，關系型和kv數據庫無啥區別。一個通過btree pk，一個通過hash，效果都很好。

假設有如下需求，查找最近登錄的N個用戶。開發人員看看，還是比較簡單的，一個sql搞定。

select * from login order by last_login_time desc limit N

DBA了解需求后，考慮到以后表如果比較大，所以在last_login_time上建個索引。執行計劃從索引leafblock 的最右邊開始訪問N條記錄，再回表N次，效果很好。

過了兩天，又來一個需求，需要知道登錄次數最多的人是誰。同樣的關系型如何處理？DEV說簡單

select * from login order by login_times desc limit N

DBA一看，又要在login_time上建立一個索引。有沒有覺得有點問題呢，表上每個字段上都有素引。

關系型數據庫的數據存儲的的不靈活是問題的源頭，數據僅有一種儲存方法，那就是按行排列的堆表。統一的數據結構意味著你必須使用索引來改變sql的訪問路徑來快速訪問某個列的，而訪問路徑的增加又意味著你必須使用統計信息來輔助，于是一大堆的問題就出現了。

沒有索引，沒有統計計劃，沒有執行計劃，這就是kv數據庫。

redis里如何滿足以上的需求呢？ 對于求最新的N條數據的需求，鏈表的后進后出的特點非常適合。我們在上面的登錄代碼之后添加一段代碼，維護一個登錄的鏈表，控制他的長度，使得里面永遠保存的是最近的N個登錄用戶。

#把當前登錄人添加到鏈表里 ret = r.lpush("login:last_login_times", uid) #保持鏈表只有N位 ret = redis.ltrim("login:last_login_times", 0, N-1)

這樣需要獲得最新登錄人的id，如下的代碼即可

last_login_list = r.lrange("login:last_login_times", 0, N-1)

另外，求登錄次數最多的人，對于排序，積分榜這類需求，sorted set非常的適合，我們把用戶和登錄次數統一存儲在一個sorted set里。

zadd login:login_times 5 1 zadd login:login_times 1 2 zadd login:login_times 2 3

這樣假如某個用戶登錄，額外維護一個sorted set，代碼如此

#對該用戶的登錄次數自增1 ret = r.zincrby("login:login_times", 1, uid)

那么如何獲得登錄次數最多的用戶呢，逆序排列取的排名第N的用戶即可

ret = r.zrevrange("login:login_times", 0, N-1)

可以看出，DEV需要添加2行代碼，而DBA不需要考慮索引什么的。

TAG系統

tag在互聯網應用里尤其多見，如果以傳統的關系型數據庫來設計有點不倫不類。我們以查找書的例子來看看redis在這方面的優勢。

關系型數據庫的設計

兩張表，一張book的明細，一張tag表，表示每本的tag，一本書存在多個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方面的書籍，如果以關系型數據庫會怎么處理？ 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表自關聯2次再與book關聯，這個sql還是比較復雜的，如果要求即ruby，但不是web方面的書籍呢？

關系型數據其實并不太適合這些集合操作。

redis的設計

首先book的數據肯定要存儲的，和上面一樣。

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表我們使用集合來存儲數據，因為集合擅長求交集、并集

sadd tag:ruby 1 sadd tag:ruby 2 sadd tag:web 2 sadd tag:erlang 3

那么，即屬于ruby又屬于web的書？

inter_list = redis.sinter("tag.web", "tag:ruby")

即屬于ruby，但不屬于web的書？

inter_list = redis.sdiff("tag.ruby", "tag:web")

屬于ruby和屬于web的書的合集？

inter_list = redis.sunion("tag.ruby", "tag:web")

簡單到不行阿。

從以上2個例子可以看出在某些場景里，關系型數據庫是不太適合的，你可能能夠設計出滿足需求的系統，但總是感覺的怪怪的，有種生搬硬套的感覺。

尤其登錄系統這個例子，頻繁的為業務建立索引。放在一個復雜的系統里，ddl（創建索引）有可能改變執行計劃。導致其它的sql采用不同的執行計劃，業務復雜的老系統，這個問題是很難預估的，sql千奇百怪。要求DBA對這個系統里所有的sql都了解，這點太難了。這個問題在oracle里尤其嚴重，每個DBA估計都碰到過。對于MySQL這類系統，ddl又不方便（雖然現在有online ddl的方法）。碰到大表，DBA凌晨爬起來在業務低峰期操作，這事我沒少干過。而這種需求放到redis里就很好處理，DBA僅僅對容量進行預估即可。

未來的OLTP系統應該是kv和關系型的緊密結合。

總結

以上是生活随笔為你收集整理的浅谈redis数据库的键值设计的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。