一 擁有數據類型
| Redis | MongoDB | Memcache |
|---|---|---|
| String 字符串。在 MongoDB 中，UTF-8 編碼的字符串纔是合法的。（一個value最大支持512MB） | string 字符串。是redis最基本的類型，你可以理解成與Memcached一模一樣的類型，一個key對應一個value。 | 僅支持簡單的key-value結構的數據記錄（一個value最大隻支持1MB） |
| Integer 整型數值。根據你所採用的服務器，可分爲 32 位或 64 位。 | hash 哈希。hash是一個string類型的field和value的映射表，hash特別適合用於存儲對象。 | |
| Boolean 布爾值。用於存儲布爾值（真/假）。 | list 列表。Redis 列表是簡單的字符串列表，按照插入順序排序。你可以添加一個元素到列表的頭部（左邊）或者尾部（右邊）。 | |
| Double 雙精度浮點值。用於存儲浮點值。 | set（集合）。et是string類型的無序集合。 | |
| Min/Max keys 將一個值與 BSON（二進制的 JSON）元素的最低值和最高值相對比。 | are neat | |
| Array 用於將數組或列表或多個值存儲爲一個鍵。 | zset(sorted set：有序集合) | |
| Timestamp 時間戳。記錄文檔修改或添加的具體時間。 | are neat | |
| Object 用於內嵌文檔。 | NumberInt() | |
| Null 用於創建空值。 | Boolean | |
| Symbol 符號。該數據類型基本上等同於字符串類型，但不同的是，它一般用於採用特殊符號類型的語言。 | ISODate()，new Date() | |
| Date 日期時間。用 UNIX 時間格式來存儲當前日期或時間。你可以指定自己的日期時間：創建 Date 對象，傳入年月日信息。 | ||
| Object ID 對象 ID。用於創建文檔的 ID。 | ||
| Binary Data 二進制數據。用於存儲二進制數據。 | ||
| Code 代碼類型。用於在文檔中存儲 JavaScript 代碼。 | ||
| Regular expression 正則表達式類型。用於存儲正則表達式。 |
二 性能對比
2.1 Memcached： 可以利用多核優勢，單實例吞吐量極高，可以達到幾十萬QPS（取決於key、value的字節大小以及服務器硬件性能，日常環境中QPS高峯大約在4-6w左右）。適用於最大程度扛量。而在100k以上的數據中，Memcached性能要高於Redis.
2.2 Redis： 由於Redis只使用單核，而Memcached可以使用多核，所以平均每一個核上Redis在存儲小數據時比Memcached性能更高。
2.3 Mongodb： Mongodb小於兩者性能， 前兩者性能差不多。
三 內存空間和數據量大小
3.1 MemCached：可以修改最大內存，採用LRU算法。
3.2 Redis：增加了VM的特性，突破了物理內存的限制。
3.3 MongoDB： 適合大數據量的存儲，依賴操作系統 VM 做內存管理，吃內存也比較厲害，服務不要和別的服務在一起。
四 操作便利
3.1 MemCached： 數據結構單一，僅用來緩存數據。
3.2 Redis： 支持更加豐富的數據類型，也可以在服務器端直接對數據進行豐富的操作,這樣可以減少網絡IO次數和數據體積。
3.3 Mongodb： 支持豐富的數據表達，索引，最類似關係型數據庫，支持的查詢語言非常豐富。
五 可靠性上
5.1 MemCached： 不支持數據持久化，斷電或重啓後數據消失，但其穩定性是有保證的。
5.2 Redis： 支持（快照、AOF），支持數據持久化和數據恢復，允許單點故障，但是同時也會付出性能的代價。
5.3 MongoDB： 從 1.8 版本開始採用 binlog 方式支持持久化的可靠性。
六 數據一致性（事務支持）
6.1 Memcache 在併發場景下，用cas保證一致性。
6.2 redis事務支持比較弱，只能保證事務中的每個操作連續執行。
6.3 mongoDB不支持事務。
七 數據分析
mongoDB：內置了數據分析的功能(mapreduce)，其他不支持。
八 使用場景
8.1 Memcached：動態系統中減輕數據庫負載，提升性能；做緩存，適合多讀少寫，大數據量的情況（如人人網大量查詢用戶信息、好友信息、文章信息等）。
8.2 Redis：適用於對讀寫效率要求都很高，數據處理業務複雜和對安全性要求較高的系統（如新浪微博的計數和微博發佈部分系統，對數據安全性、讀寫要求都很高）。
8.3 MongoDB：主要解決海量數據的訪問效率問題。