1回答

大能老师

2023-01-18

Redis常见的使用场景：

缓存、数据共享分布式、分布式锁、全局 ID、计数器、限流、位统计、购物车、用户消息时间线 timeline、消息队列、抽奖、点赞、签到、打卡、商品标签、商品筛选、用户关注、推荐模型、排行榜。

使用场景比较多，但是如果你自己观察这些场景，可以发现有几个特点：以下列几个场景来进行分析

1、数据量比较小

这个也和redis的设计有关系，redis的设计是存储在内存里面的，注定无法存储海量数据，所以对于海量数据的应用场景比较无力，无法存储大规模数据，所以redis无法应用在海量数据存储的场景。业界通常使用HDFS等方案来存储大规模数据。同时Redis的数据存储数量也无法超过数据库，如果需要如果数据库某张大表需要频繁查询，但是数据命中都比较无规律，那么需要频繁导致大表内数据到redis内存不断IO加载，也会引发内存淘汰策略，因此，在这种场景下Redis的使用也比较受限。

2、非计算密集型场景

如果仔细分析以上场景，可以发现大部分场景都是存和取，计算类型的特别少，顶多是取个并集或者交集。如果对于数据密集型的场景，比如海量数据实时计算，海量数据离线计算，大规模并行计算等，redis也是处理不了的。业界通常在Hadoop生态的基础上，使用MapReduce、Spark等的并行计算来进行海量数据的处理。当然计算只是海量数据解决方案的其中一个环节，期间还涉及数据清洗，数据采集等等环节，有兴趣可以进行更深了解。

3、非检索查询场景

redis虽然支持多种数据结构，有着优秀的数据存取性能，更多可参考《Redis设计与实现》这本书，但是数据结构并没有特别针对查询进行优化，比如设计内存索引体系，或者也没有类似es那种倒排索引机制来加速检索效果。对于检索相关场景业界通常使用ES来进行处理。

4、媒体类数据无关

redis对于媒体类或者文档类数据的处理也比较无力，无论是存储还是处理或者检索，都比较无力，第一是媒体类数据比较大，redis又是基于内存的数据库，存储比较受限，另外如果将媒体数据进行序列号后进行存储，那么对媒体内容的检索又会造成负担。业界对于文档类数据存储采用mangoDB，对于媒体类的存储，一般依赖于公有云的基础设施和ai来进行音频识别和图像识别。这期间又涉及很多云计算和机器学习的知识，有兴趣可自行了解一下。

综上，同学可以针对Redis的设计，容量，计算模式，瓶颈等诸多方面去分析redis的不足，就可以自行分析出Redis更多不适用哪些场景。

1

0