为什么Redis要比Memcached更火？

前言

我们都知道，Redis和Memcached都是内存数据库，它们的访问速度非常之快。但我们在开发过程中，这两个内存数据库，我们到底要如何选择呢？它们的优劣都有哪些？

为什么现在看Redis要比Memcached更火一些？

这篇文章，我们就从各个方面来对比这两个内存数据库的差异，方便你在使用时，做出最符合业务需要的选择。

要分析它们的区别，主要从以下几个方面对比：

线程模型
数据结构
淘汰策略
管道与事务
持久化
高可用
集群化

线程模型

要说性能，必须要分析它们的服务模型。

Memcached处理请求采用多线程模型，并且基于IO多路复用技术，主线程接收到请求后，分发给子线程处理。

这样做好的好处是，当某个请求处理比较耗时，不会影响到其他请求的处理。

当然，缺点是CPU的多线程切换必然存在性能损耗，同时，多线程在访问共享资源时必然要加锁，也会在一定程度上降低性能。

Redis同样采用IO多路复用技术，但它处理请求采用是单线程模型，从接收请求到处理数据都在一个线程中完成。

这意味着使用Redis，一旦某个请求处理耗时比较长，那么整个Redis就会阻塞住，直到这个请求处理完成后返回，才能处理下一个请求，使用Redis时一定要避免复杂的耗时操作。

单线程的好处是，少了CPU的上下文切换损耗，没有了多线程访问资源的锁竞争，但缺点是无法利用CPU多核的性能。

由于Redis是内存数据库，它的访问速度非常地快，所以它的性能瓶颈不在于CPU，而在于内存和网络带宽，这也是作者采用单线程模型的主要原因。同时，单线程对于程序开发非常友好，调试起来也很方便。开发多线程程序必然会增加一定的调试难度。

因此，当我们的业务使用key的数据比较大时，Memcached的访问性能要比Redis好一些。如果key的数据比较小，两者差别并不大。

“ 严格来说，Redis的单线程指的是处理请求的线程，它本身还有其他线程在工作，例如有其他线程用来异步处理耗时的任务。

Redis6.0又进一步完善了多线程，在接收请求和发送请求时使用多线，进一步提高了处理性能。

数据结构

Memcached支持的数据结构很单一，仅支持string类型的操作。并且对于value的大小限制必须在1MB以下，过期时间不能超过30天。

而Redis支持的数据结构非常丰富，除了常用的数据类型string、list、hash、set、zset之外，还可以使用geo、hyperLogLog数据类型。

使用Memcached时，我们只能把数据序列化后写入到Memcached中。然后再从Memcached中读取数据，再反序列化为我们需要的格式，只能“整存整取”。

而Redis对于不同的数据结构可以采用不同的操作方法，非常灵活。

list：可以方便的构建一个链表，或者当作队列使用
hash：灵活地操作我们需要的字段，进行“整存零取”、“零存整取”以及“零存零取”
set：构建一个不重复的集合，并方便地进行差集、并集运算
zset：构建一个排行榜，或带有权重的列表
geo：用于地图相关的业务，标识两个地点的坐标，以及计算它们的距离
hyperLogLog：使用非常少的内存计算UV

总之，Redis正是因为提供了这么丰富的数据结构，近几年在内存数据库领域大放异彩，为我们的业务开发提供了极大的便利。

淘汰策略

Memcached必须设置整个实例的内存上限，数据达到上限后触发LRU淘汰机制，优先淘汰不常用使用的数据。

但它的数据淘汰机制存在一些问题：刚写入的数据可能会被优先淘汰掉，这个问题主要是它本身内存管理设计机制导致的。

Redis没有限制必须设置内存上限，如果内存足够使用，Redis可以使用足够大的内存。

同时Redis提供了多种淘汰策略：

volatile-lru：从过期key中按LRU机制淘汰
allkeys-lru：在所有key中按LRU机制淘汰
volatile-random：在过期key中随机淘汰key
allkeys-random：在所有key中随机淘汰key
volatile-ttl：优先淘汰最近要过期的key
volatile-lfu：在所有key中按LFU机制淘汰
allkeys-lfu：在过期key中按LFU机制淘汰

我们可以针对业务场景，使用不同的数据淘汰策略。

管道与事务

Redis还支持管道功能，客户端一次性打包发送多条命令到服务端，服务端依次处理客户端发来的命令。这样可以减少来回往来的网络IO次数，提供高访问性能。

另外它还支持事务，这里所说的事务并不是MySQL那样严格的事务模型，这种事务模型是Redis特有的。

一般事务会配合管道一块使用，客户端一次性打包发送多条命令到服务端，并且标识这些命令必须严格按顺序执行，不能被其他客户端打断。同时执行事务之前，客户端可以告诉服务端某个key稍后会进行相关操作，如果这个客户端在操作这个key之前，有其他客户端对这个key进行更改，那么当前客户端在执行这些命令时会放弃整个事务操作，保证一致性。

持久化

Memcached不支持数据的持久化，如果Memcached服务宕机，那么这个节点的数据将全部丢失。

Redis支持将数据持久化磁盘上，提供RDB和AOF两种方式：

RDB：将整个实例中的数据快照到磁盘上，全量持久化
AOF：把每一个写命令持久到磁盘，增量持久化

Redis使用这两种方式相互配合，完成数据完整性保障，最大程度降低服务宕机导致的数据丢失问题。

高可用

Memcached没有主从复制架构，只能单节点部署，如果节点宕机，那么该节点数据全部丢失。业务需要对这种情况做兼容处理，当某个节点不可用时，把数据写入到其他节点以降低对业务的影响。

Redis拥有主从复制架构，两个节点组成主从架构，从可以实时同步主的数据，提高整个Redis服务的可用性。

同时Redis还提供了哨兵节点，在主节点宕机时，主动把从节点提升为主节点，继续提供服务。

主从两个节点还可以提供读写分离功能，进一步提高程序访问的性能。

集群化

Memcached和Redis都是由多个节点组成集群对外提供服务，但他们的机制也有所不同。

Memcached的集群化是在客户端采用一致性哈希算法向指定节点发送数据，当一个节点宕机时，其他节点会分担这个节点的请求。

而Redis集群化采用的是每个节点维护一部分虚拟槽位，通过key的哈希计算，将key映射到具体的虚拟槽位上，这个槽位再映射到具体的Redis节点。

同时每个Redis节点都包含至少一个从节点，组成主从架构，进一步提高每个节点的高可用能力。

当增加或下线节点时，需要手动触发数据迁移，重新进行哈希槽位映射。

Redis官方的集群化解决方案为Redis cluster，它采用无中心化的设计。另外也有第三方的采用中心化设计proxy方式的集群化解决方案，例如Codis、Twemproxy。

总结

从以上几个方面进行对比分析，总结如下表。

#	Memcached	Redis
线程模型	多线程	单线程
数据结构	仅支持string、value最大1M、过期时间不能超过30天	string、list、hash、set、zset、geo、hyperLogLog
淘汰策略	LRU	LRU、LFU、随机等多种策略
管道与事务	不支持	支持
持久化	不支持	支持
高可用	不支持	主从复制+哨兵
集群化	客户端一致性哈希算法	主从复制+哨兵+固定哈希槽位