艾体宝干货丨Redis与MongoDB的区别

Redis(Remote Dictionary Server,远程字典服务器)和 MongoDB 是两类知名的 NoSQL数据库,其以非结构化的方式存储数据。与传统关系数据库使用表格、行和列来组织数据不同,NoSQL数据库采用了不同的数据存储模型。Redis是一种开源的内存数据库,以键值对的形式存储数据,其将数据存储在 RAM 中,以实现高效的读写性能,同时也提供磁盘持久存储作为补充功能。MongoDB是另一种开源的文档数据库,通过序列化的 JSON 格式来存储数据,MongoDB会将数据存储在外部存储中。

尽管 Redis和 MongoDB 都是广受欢迎的 NoSQL数据库,并且在现代软件开发中得到了广泛的应用和验证,但二者在设计理念、应用场景等方面存在显著差异。对于刚接触 NoSQL 数据库的读者来说,这些差异可能会带来困惑。本文旨在为读者提供关于这两种数据库的详细信息,帮助大家更好地理解二者的区别,进一步根据自身开发团队的需求和业务应用场景,更有效地选择最合适的数据库解决方案。

数据模型

首先,我认为我们可以从数据模型开始聊起。所谓数据模型,指的就是我们向数据库中存储数据时,这些数据究竟以何种形式进行组织、存储。了解了数据模型,进而能窥探出数据库的设计思想,从而指导我们如何正确地去使用。例如 SQL 数据库在存储时,会将数据组织为表格的形式,同时表格还会附带若干属性约束,这就是典型的关系数据模型,如下图所示。

而 NoSQL 数据库本身是一个大的分类,其囊括了包含键值数据库、文档数据库、图数据库甚至时序数据库在内多种服务于不同需求的细分子类。本文中我们的目光将聚焦于 Redis 和 MongoDB 采用的不同数据模型,以及二者在架构上不同存储数据的方式。

Redis

Redis 将数据存储在 RAM 中,RAM 带来的优势就在于数据可以被快速访问,并能提供极低的延迟。不过由于 RAM 的特性,这种存储方式也限制了可以存储的数据量,无论是 HDD 还是 SSD,硬盘的单位存储价格始终远低于 RAM。而为了实现数据持久性,Redis 提供了两种机制:快照(Snapshot)和仅追加文件(AOF)日志记录,这两种方法可以将数据集保存在磁盘上,规避 RAM 易失性的缺陷。

Redis 使用键值对的形式存储数据,每个数据条目都有一个唯一的键(Key)。它支持多种数据类型,常用的包括有序集合(Sorted Set)、哈希(Hash)、无序集合(Set)、列表(List)与字符串(String)。键值对的大小被限制为不超过 512MB,不过通常我们在使用中会尽可能地避免使用较大的键值对。

Redis 还支持 Pub-Sub 或者流模式,这使其不仅仅是一个键值缓存系统。该功能允许在系统中实现消息队列等功能,额外的 Redis Model 支持也提供了缓存之外的拓展选项,不过这就是另一个独立的话题。

下图展示了 Redis 的数据模型。

MongoDB

MongoDB 是一种文档存储数据库,与传统的 SQL 驱动的关系数据库有显著不同。在关系数据库中,如上文所言,数据通常被简化为具有索引的 CSV 文件形式,每个文件代表一个表;而在文档存储中,数据则被简化为具有索引的 JSON 文件,每个文件对应一个文档,多个文档组合成一个集合。

JSON 文件的结构与 XML 和 YAML 文件类似,也类似于 Python 中的字典。因此,可以按照这种层次结构来组织和涉及数据。在 MongoDB 中,文档由已命名的键组成,而这些键可以包含其他文档、数组或标量值。举例而言,一个文档中可能包含一个键 Address.Street,其值为 123 Main St。你可以通过在索引中查找 Address.Street 等于某个值的文档集合来进行搜索。

{_id:  "5f4e3ab0b5d6",Name:  "Alice Johnson",Address:Street: "123 Main St",City: "Springfield",State: "IL"Orders:- "A1001"- "B2002"- "C3003"
}

MongoDB 还允许文档包含数组,例如 Orders 数组,其中可以包含多个订单信息。可以针对 Orders 数组的内容进行复杂的查询操作,比如查找包含某个特定值子集的文档。举例来说,如果 Orders 包含 ["A1001", "B2002"],查询 Orders includes "A1001" 会返回这个文档;而查询 Orders includes any of ["B2002", "C3003"] 则会返回包含这些订单中任一项的文档。

文档的嵌套层次越深,其灵活性和数据组织的能力越强。例如,Address 可以包含一个子文档 Geo,其中有 Latitude 和 Longitude 信息。如果业务的数据高度结构化,文档存储模型往往比关系数据库更具优势。

下图展示了 MongoDB 的数据模型。

什么情况下使用 Redis 或 MongoDB

以开发团队以及应用需求为导向

如果您的应用需要频繁的查询操作,Redis 中的数据通常存储在各种专门的数据结构中,为了优化性能,开发人员需要为每种类型的对象选择特定的数据结构。因此,选择 Redis 可能会带来一些额外的开发与适配工作。而在 MongoDB 中,由于其数据结构更加一致(JSON),类似的查询可能在实现层面上更加简单。不过事有两面,尽管在 Redis 中的查询或许需要处理多种数据结构,但这种些微复杂性带来的好处是响应速度的提升。Redis 的高性能可以弥补在查询处理上的额外工作量。

对于开发人员而言,尤其是那些拥有传统数据库和 SQL 背景的开发人员对 MongoDB 的接受程度或许会更好。虽然二者都是 NoSQL 数据库,但MongoDB 提供了一种更直观、更符合 SQL 习惯的方式来管理和查询数据。相较之下,Redis 虽然使用上完全称不上复杂,但以键值对为设计思想的存储模式,可能需要花费更多时间和精力去学习,但同样地,作为回报,Redis 也提供了更高的灵活性。

艾体宝高级工程师Eero认为,“就个人而言,我倾向于选择 Redis 来满足大多数需求。其高性能和灵活性使其在许多应用场景中相当有效。不过最终的选择,应该基于具体的应用需求和开发团队的技能组合。”

Redis

对于需要快速查询的临时数据存储,非常建议使用 Redis。Redis 能够提供对频繁访问的数据的快速响应,因此非常适合用作缓存或会话存储等场景。此外,Redis 内置了对发布-订阅(Pub/Sub)消息传递模式的支持(新发布的 Redis Stream 还在此基础上进一步做了改),其在实时应用程序事件驱动架构中表现出众。Redis 还提供其它高级数据结构例如有序集合和列表,用于实现速率限制、任务队列与作业调度系统。最后,Redis 还能高效地对数据进行计数汇总,也非常适用于跟踪排行榜数据或其他统计数据。

MongoDB

相比之下,MongoDB 适用于存储复杂的应用程序数据,尤其是大规模的数据集。其提供了更传统的数据库结构,同时支持无模式的存储,赋予了开发者相较于关系数据库更大的灵活性。MongoDB 能够有效地处理大量的写入和读取操作,常见的用例如内容管理系统或大规模的用户资料管理。

两者非此即彼吗?

恰恰相反。许多应用程序中,同时使用 Redis 和 MongoDB 是一种行之有效的策略。Redis 的高性能与 MongoDB 的长期存储能力相得益彰,得以显著优化数据库的整体性能,提高系统的可扩展性,并为应用程序提供更多的灵活性。

例如,Redis 的高速内存存储使其能够迅速捕获和处理实时数据流,非常适用于需要实时响应的场景。处理后的数据或结果,可以存储在 MongoDB 中,进行存档或用于更复杂的分析。该策略一方面能提高系统的响应速度,另一方面还能为数据的持久性和可扩展性提供额外的保障。

另一个常见的应用场景是跨 Redis 和 MongoDB 的混合数据模型。您可以利用 Redis 的键值存储来快速访问频繁使用的元数据,同时使用 MongoDB 处理更复杂的数据结构。如此,职责分明,Redis 提供低延迟的读取和写入操作,而 MongoDB 则处理复杂的查询和数据持久化。通过结合两种数据库的优点,进而构建一个既高效又灵活的系统,满足多种应用需求。

差异总结

Redis

MongoDB

数据模型

基于键值的内存数据存储

永久性的文档数据库

扩展性

通过水平扩展、分片和分区数据,提供可扩展性

通过水平扩展、分片和分区数据,具有高度可扩展性

可用性

Redis SentinelRedis Cluster Redis Enterprise 提供各层级高可用

默认情况下,自动进行失效转移

完整性

提供用于创建单个原子操作的命令,但对 ACID事务仅做到部分支持

内置对多文档ACID事务和回滚的支持

查询语言

使用自有的命令进行查询,主流语言客户端库支持

使用 MongoDB 查询语言(MQL)来查询和操作数据

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/412636.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

探索极速Python:Sanic框架的魔力

文章目录 探索极速Python:Sanic框架的魔力背景:为什么选择Sanic?Sanic是什么?如何安装Sanic?简单的库函数使用方法场景应用示例常见Bug及解决方案总结 探索极速Python:Sanic框架的魔力 背景:为什…

【位置编码】【Positional Encoding】直观理解位置编码!把位置编码想象成秒针!

【位置编码】【Positional Encoding】直观理解位置编码!把位置编码想象成秒针! 你们有没有好奇过为啥位置编码非得长成这样: P E ( p o s , 2 i ) s i n ( p o s 1000 0 2 i / d m o d e l ) P E ( p o s , 2 i 1 ) c o s ( p o s 1000 …

AcWing895. 最长上升子序列

这个代码不知道怎么说&#xff0c;反正就是对着代码手算一次就懂了&#xff0c;无需多言&#xff0c;就是俩for循环里面的第二层for的循环条件是j<i,j是从下标1往下标i-1遍历的&#xff0c;每次a【j】<a【i】就在答案数组f【i】上面做出更新。基本的输入样例已经可以覆盖…

红黑树刨析(删除部分)

文章目录 红黑树删除节点情景分析情景1&#xff1a;删除节点左右子树都为空情景1.1&#xff1a;删除节点为红色情景1.2&#xff1a;删除节点为黑色情况1.2.1&#xff1a;删除节点的兄弟节点是红色情景1.2.2&#xff1a;删除节点的兄弟节点是黑色情景1.2.2.1&#xff1a;删除节点…

Cpp学习手册-基础学习

首先你要去网上下载对应的运行软件&#xff0c;先把对应的 C 环境配置好&#xff0c;配置好了我们就可以开始我们的C 学习之旅了。希望通过学习我们能够成为一个比较不错的 C 开发工程师。我也会持续更新 C 知识。 1. C语法基础 当我通过 CLion 工具创建了一个新的 Project 。…

Redis中的 大/热 key问题 ,如何解决(面试版)

big key 什么是 big key? big key&#xff1a;就是指一个内存空间占用比较大的键(Key) 造成的问题&#xff1a; 内存分布不均。在集群模式下&#xff0c;不同 slot分配到不同实例中&#xff0c;如果大 key 都映射到一个实例&#xff0c;则分布不均&#xff0c;查询效率也…

自建电商网站整合Refersion教程

前言&#xff1a;   先介绍一下Refersion有啥用&#xff0c;如果你有一个自己的跨境电商独立站点&#xff0c;想找一些网红帮忙推广销售自己的商品&#xff0c;然后按照转化订单比例给网红支付佣金&#xff0c;这件事情对双方来说透明性和实时性很重要&#xff0c;Refersion就…

C++ | Leetcode C++题解之第382题链表随机节点

题目&#xff1a; 题解&#xff1a; class Solution {ListNode *head;public:Solution(ListNode *head) {this->head head;}int getRandom() {int i 1, ans 0;for (auto node head; node; node node->next) {if (rand() % i 0) { // 1/i 的概率选中&#xff08;替…

Unity URPShader支持多光源处理

//声明变体并且引用文件 #pragma shader_feature _ _ADDITIONAL_LIGHTS_VERTEX _ADDITIONAL_LIGHTS #include "Packages/com.unity.render-pipelines.universal/ShaderLibrary/Lighting.hlsl" //在数据结构体中声明需要使用的数据 struct Attributes {float4 posit…

五种多目标优化算法(NSGA3、MOPSO、MOGWO、NGSA2、SPEA2)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码

一、五种多目标算法及六种评价指标简介 多目标灰狼优化算法&#xff08;MOGWO&#xff09;&#xff1a; MOGWO是由Mirjalili等人在2016年提出的&#xff0c;基于灰狼优化算法&#xff08;GWO&#xff09;的多目标版本。它引入了存档机制和改进的头狼选择方式&#xff0c;以处理…

2024-08-30作业

作业2 代码 #include <iostream>using namespace std;class Per { private: string name; int age; double* height; double* weight; public: //有参构造函数 Per(string name,int age,int height,int weight):name(name),age(age),height(new double(height)),weigh…

基于STM32开发的智能家居温度控制系统

目录 引言环境准备工作 硬件准备软件安装与配置系统设计 系统架构硬件连接代码实现 系统初始化温度监测与显示风扇/加热器控制Wi-Fi通信与远程监控应用场景 家庭环境的智能温度管理办公楼的节能温控系统常见问题及解决方案 常见问题解决方案结论 1. 引言 随着人们对生活质量…

Flask+LayUI开发手记(六):树型表格的增删改查

树型表格的增删改查功能与数据表格的是完全一致&#xff0c;就是调用layui-form表单组件实现数据输入再提交&#xff0c;比较大的区别是树型节点的编辑&#xff0c;都需要有上级节点的输入&#xff0c;而这个上级节点的展示&#xff0c;必须是以树型方式展示出来。当然&#xf…

使用facebook开源prophet模型预测上证指数etf股价

可以图个乐&#xff0c;没有那么准确&#xff0c;可能还需要更深入的研究分析 蓝线是预测的2024年的走势&#xff0c;绿线是实际走势&#xff0c;红线是历史和未来的分界线。结果上有蛮多差异的。 # 测试预测2024年 coded by luke 伊玛目的门徒 import akshare as ak impor…

信息学奥赛一本通/openjudge Crossing River

题目 一本通题目入口 openjudge题目入口 &#xff08;注&#xff1a;由于一本通题面描述的可能有些欠缺&#xff0c;所以这里的题面采用openjudge英文翻译后的题面&#xff09; 题目分析 首先我们来看样例&#xff0c;为什么样例的结果是17呢?首先观察&#xff0c;“5”和“…

GUI编程04:课堂练习及总结

本节内容视频链接&#xff1a;6、课堂练习讲解及总结_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1DJ411B75F?p6&vd_sourceb5775c3a4ea16a5306db9c7c1c1486b5 根据前三节学习到的Frame、Panel、Button知识&#xff0c;画出一下窗口界面&#xff1a; 实现代码如下…

Spring Security基于token的极简示例

1 引言 Spring Security是一个能够为基于Spring的企业应用系统提供声明式的安全访问控制解决方案的安全框架&#xff0c;但是用起来有点复杂&#xff0c;为了便于学习理解&#xff0c;下面将用最简洁的配置和示例&#xff0c;展示整个流程。 2 代码 创建一个spring-security…

单图生成 2D 和 3D 人物,高质量图像处理模型 CharacterGen来啦!

CharacterGen引入了一个简化的生成流程和一个图像条件的多视图扩散模型。该模型有效地将输入姿态校准到规范形式&#xff0c;同时保留输入图像的关键属性&#xff0c;从而解决了多样化姿态带来的挑战。 CharacterGen的另一个核心组成部分是基于Transformer的、可泛化的稀疏视图…

kafka 入门

kafka 有分区和副本的概念&#xff0c;partition 3 表示有3个分区&#xff0c;replication 2 表示有2个副本 通过 --describe --topic test命令可以知道 test这个 主题的分区和副本情况&#xff0c;途中的replicas 表示 其他副本分区的情况&#xff0c;如第一条&#xff0c;t…

【spring】学习笔记2:sample、boot功能和组件设计

Spring自带了一个强大的Web框架,名为Spring MVC。Spring MVC的核心 是控制器(controller)的理念。控制器是处理请求并以某种方式进行信息 响应的类。在面向浏览器的应用中,控制器会填充可选的数据模型并将请求 传递给一个视图,以便于生成返回给浏览器的HTML。在pom.xml文件…