滿足極高讀寫性能需求的Key-Value數據庫

高性能Key-Value數據庫的主要特點就是具有極高的并發讀寫性能，Redis，Tokyo Cabinet， Flare，這3個Key-Value DB都是用C編寫的，他們的性能都相當出色，但出了出色的性能，他們還有自己獨特的功能：

1、Redis
Redis是一個很新的項目，剛剛發布了1.0版本。Redis本質上是一個Key-Value類型的內存數據庫，很像memcached，整個數據庫統 統加載在內存當中進行操作，定期通過異步操作把數據庫數據flush到硬盤上進行保存。因為是純內存操作，Redis的性能非常出色，每秒可以處理超過 10萬次讀寫操作，是我知道的性能最快的Key-Value DB。

Redis的出色之處不僅僅是性能，Redis最大的魅力是支持保存List鏈表和Set集合的數據結構，而且還支持對List進行各種操作，例如 從List兩端push和pop數據，取List區間，排序等等，對Set支持各種集合的并集交集操作，此外單個value的最大限制是1GB，不像 memcached只能保存1MB的數據，因此Redis可以用來實現很多有用的功能，比方說用他的List來做FIFO雙向鏈表，實現一個輕量級的高性 能消息隊列服務，用他的Set可以做高性能的tag系統等等。另外Redis也可以對存入的Key-Value設置expire時間，因此也可以被當作一 個功能加強版的memcached來用。

Redis的主要缺點是數據庫容量受到物理內存的限制，不能用作海量數據的高性能讀寫，并且它沒有原生的可擴展機制，不具有scale（可擴展）能 力，要依賴客戶端來實現分布式讀寫，因此Redis適合的場景主要局限在較小數據量的高性能操作和運算上。目前使用Redis的網站有 github，Engine Yard。

2、Tokyo Cabinet和Tokoy Tyrant
TC和TT的開發者是日本人Mikio Hirabayashi，主要被用在日本最大的SNS網站mixi.jp上，TC發展的時間最早，現在已經是一個非常成熟的項目，也是Kye-Value 數據庫領域最大的熱點，現在被廣泛的應用在很多很多網站上。TC是一個高性能的存儲引擎，而TT提供了多線程高并發服務器，性能也非常出色，每秒可以處理 4-5萬次讀寫操作。

TC除了支持Key-Value存儲之外，還支持保存Hashtable數據類型，因此很像一個簡單的數據庫表，并且還支持基于column的條件 查詢，分頁查詢和排序功能，基本上相當于支持單表的基礎查詢功能了，所以可以簡單的替代關系數據庫的很多操作，這也是TC受到大家歡迎的主要原因之一，有 一個Ruby的項目miyazakiresistance將TT的hashtable的操作封裝成和ActiveRecord一樣的操作，用起來非常爽。

TC/TT在mixi的實際應用當中，存儲了2000萬條以上的數據，同時支撐了上萬個并發連接，是一個久經考驗的項目。TC在保證了極高的并發讀 寫性能的同時，具有可靠的數據持久化機制，同時還支持類似關系數據庫表結構的hashtable以及簡單的條件，分頁和排序操作，是一個很棒的NoSQL 數據庫。

TC的主要缺點是在數據量達到上億級別以后，并發寫數據性能會大幅度下降，NoSQL: If Only It Was That Easy提到，他們發現在TC里面插入1.6億條2-20KB數據的時候，寫入性能開始急劇下降。看來是當數據量上億條的時候，TC性能開始大幅度下降， 從TC作者自己提供的mixi數據來看，至少上千萬條數據量的時候還沒有遇到這么明顯的寫入性能瓶頸。

這個是Tim Yang做的一個Memcached，Redis和Tokyo Tyrant的簡單的性能評測，僅供參考

3、Flare
TC是日本第一大SNS網站mixi開發的，而Flare是日本第二大SNS網站green.jp開發的，有意思吧。Flare簡單的說就是給TC添加了 scale功能。他替換掉了TT部分，自己另外給TC寫了網絡服務器，Flare的主要特點就是支持scale能力，他在網絡服務端之前添加了一個 node server，來管理后端的多個服務器節點，因此可以動態添加數據庫服務節點，刪除服務器節點，也支持failover。如果你的使用場景必須要讓TC可 以scale，那么可以考慮flare。

flare唯一的缺點就是他只支持memcached協議，因此當你使用flare的時候，就不能使用TC的table數據結構了，只能使用TC的 key-value數據結構存儲。

二、滿足海量存儲需求和訪問的面向文檔的數據庫：MongoDB，CouchDB

面向文檔的非關系數據庫主要解決的問題不是高性能的并發讀寫，而是保證海量數據存儲的同時，具有良好的查詢性能。MongoDB是用C++開發的， 而CouchDB則是Erlang開發的：

1、MongoDB
MongoDB是一個介于關系數據庫和非關系數據庫之間的產品，是非關系數據庫當中功能最豐富，最像關系數據庫的。他支持的數據結構非常松散，是類似 json的bjson格式，因此可以存儲比較復雜的數據類型。Mongo最大的特點是他支持的查詢語言非常強大，其語法有點類似于面向對象的查詢語言，幾 乎可以實現類似關系數據庫單表查詢的絕大部分功能，而且還支持對數據建立索引。

Mongo主要解決的是海量數據的訪問效率問題，根據官方的文檔，當數據量達到50GB以上的時候，Mongo的數據庫訪問速度是MySQL的10 倍以上。Mongo的并發讀寫效率不是特別出色，根據官方提供的性能測試表明，大約每秒可以處理0.5萬－1.5次讀寫請求。對于Mongo的并發讀寫性 能，我也打算有空的時候好好測試一下。

因為Mongo主要是支持海量數據存儲的，所以Mongo還自帶了一個出色的分布式文件系統GridFS，可以支持海量的數據存儲，但我也看到有些 評論認為GridFS性能不佳，這一點還是有待親自做點測試來驗證了。

最后由于Mongo可以支持復雜的數據結構，而且帶有強大的數據查詢功能，因此非常受到歡迎，很多項目都考慮用MongoDB來替代MySQL來實 現不是特別復雜的Web應用，比方說why we migrated from MySQL to MongoDB就是一個真實的從MySQL遷移到MongoDB的案例，由于數據量實在太大，所以遷移到了Mongo上面，數據查詢的速度得到了非常顯著 的提升。

MongoDB也有一個ruby的項目MongoMapper，是模仿Merb的DataMapper編寫的MongoDB的接口，使用起來非常簡 單，幾乎和DataMapper一模一樣，功能非常強大易用。

2、CouchDB
CouchDB現在是一個非常有名氣的項目，似乎不用多介紹了。但是卻對CouchDB沒有什么興趣，主要是因為CouchDB僅僅提供了基于HTTP REST的接口，因此CouchDB單純從并發讀寫性能來說，是非常糟糕的，這讓我立刻拋棄了對CouchDB的興趣。

三、滿足高可擴展性和可用性的面向分布式計算的數據庫：Cassandra，Voldemort

面向scale能力的數據庫其實主要解決的問題領域和上述兩類數據庫還不太一樣，它首先必須是一個分布式的數據庫系統，由分布在不同節點上面的數據 庫共同構成一個數據庫服務系統，并且根據這種分布式架構來提供online的，具有彈性的可擴展能力，例如可以不停機的添加更多數據節點，刪除數據節點等 等。因此像Cassandra常常被看成是一個開源版本的Google BigTable的替代品。Cassandra和Voldemort都是用Java開發的：

1、Cassandra
Cassandra項目是Facebook在2008年開源出來的，隨后Facebook自己使用Cassandra的另外一個不開源的分支，而開源出來 的Cassandra主要被Amazon的Dynamite團隊來維護，并且Cassandra被認為是Dynamite2.0版本。目前除了 Facebook之外，twitter和digg.com都在使用Cassandra。

Cassandra的主要特點就是它不是一個數據庫，而是由一堆數據庫節點共同構成的一個分布式網絡服務，對Cassandra的一個寫操作，會被 復制到其他節點上去，對Cassandra的讀操作，也會被路由到某個節點上面去讀取。對于一個Cassandra群集來說，擴展性能是比較簡單的事情， 只管在群集里面添加節點就可以了?？吹接形恼抡fFacebook的Cassandra群集有超過100臺服務器構成的數據庫群集。

Cassandra也支持比較豐富的數據結構和功能強大的查詢語言，和MongoDB比較類似，查詢功能比MongoDB稍弱一些，twitter 的平臺架構部門領導Evan Weaver寫了一篇文章介紹Cassandra：http://blog.evanweaver.com/articles/2009/07/06 /up-and-running-with-cassandra/，有非常詳細的介紹。

Cassandra以單個節點來衡量，其節點的并發讀寫性能不是特別好，有文章說評測下來Cassandra每秒大約不到1萬次讀寫請求，也看到一 些對這個問題進行質疑的評論，但是評價Cassandra單個節點的性能是沒有意義的，真實的分布式數據庫訪問系統必然是n多個節點構成的系統，其并發性 能取決于整個系統的節點數量，路由效率，而不僅僅是單節點的并發負載能力。

2、Voldemort
Voldemort是個和Cassandra類似的面向解決scale問題的分布式數據庫系統，Cassandra來自于Facebook這個SNS網 站，而Voldemort則來自于Linkedin這個SNS網站。說起來SNS網站為我們貢獻了n多的NoSQL數據庫，例如 Cassandar，Voldemort，Tokyo Cabinet，Flare等等。Voldemort的資料不是很多，因此沒有特別仔細去鉆研，Voldemort官方給出Voldemort的并發讀寫 性能也很不錯，每秒超過了1.5萬次讀寫。

從Facebook開發Cassandra，Linkedin開發Voldemort，我們也可以大致看出國外大型SNS網站對于分布式數據庫，特 別是對數據庫的scale能力方面的需求是多么殷切。前面提到，web應用的架構當中，web層和app層相對來說都很容易橫向擴展，唯有數據庫是單點 的，極難scale，現在Facebook和Linkedin在非關系型數據庫的分布式方面探索了一條很好的方向，這也是為什么現在Cassandra這 么熱門的主要原因。

總結

以上是生活随笔為你收集整理的满足极高读写性能需求的Key-Value数据库的全部內容，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。