轉自：http://www.cnblogs.com/ggjucheng/p/3348268.html
豐富的數據結構使得redis的設計非常的有趣。不像關係型數據庫那樣，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，並能瞭解使用場景。
下面舉一些常見適合kv數據庫的例子來談談鍵值的設計，並與關係型數據庫做一個對比，發現關係型的不足之處。
用戶登錄系統
記錄用戶登錄信息的一個系統， 我們簡化業務後只留下一張表。
關係型數據庫的設計
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，每次用戶登錄後，login_times會自增，而last_login_time更新爲當前時間。
REDIS的設計
關係型數據轉化爲KV數據庫，我的方法如下：
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系統裏，就是默認以冒號分割，於是user:1 user:2等key會分成一組。於是以上的關係數據轉化成kv數據後記錄如下：
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“
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後登錄時間和姓名。
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的映射關係，這裏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)
#更新該用戶的最後登錄時間
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後登錄時間，登錄次數，關係型和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瞭解需求後，考慮到以後表如果比較大，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。同樣的關係型如何處理？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。
關係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着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着你必須使用統計信息來輔助，於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裏如何滿足以上的需求呢？ 對於求最新的N條數據的需求，鏈表的後進後出的特點非常適合。我們在上面的登錄代碼之後添加一段代碼，維護一個登錄的鏈表，控制他的長度，使得裏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裏
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，對於排序，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裏。
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)
那麼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不需要考慮索引什麼的。
TAG系統
tag在互聯網應用裏尤其多見，如果以傳統的關係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。
關係型數據庫的設計
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，如果以關係型數據庫會怎麼處理？
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還是比較複雜的，如果要求即ruby，但不是web方面的書籍呢？
關係型數據其實並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，因爲集合擅長求交集、並集
sadd tag:ruby 1
sadd tag:ruby 2
sadd tag:web 2
sadd tag:erlang 3
那麼，即屬於ruby又屬於web的書？
inter_list = redis.sinter("tag.web", "tag:ruby")
即屬於ruby，但不屬於web的書？
inter_list = redis.sdiff("tag.ruby", "tag:web")
屬於ruby和屬於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裏，關係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，頻繁的爲業務建立索引。放在一個複雜的系統裏，ddl（創建索引）有可能改變執行計劃。導致其它的sql採用不同的執行計劃，業務複雜的老系統，這個問題是很難預估的，sql千奇百怪。要求DBA對這個系統裏所有的sql都瞭解，這點太難了。這個問題在oracle裏尤其嚴重，每個DBA估計都碰到過。對於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峯期操作，這事我沒少幹過。而這種需求放到redis裏就很好處理，DBA僅僅對容量進行預估即可。
未來的OLTP系統應該是kv和關係型的緊密結合。