各种Cache技术分析

redis、memcache、mongoDB 对比

	Redis	Memcache	MongoDB
综合	分布式的数据结构服务器，具有持久化机制，binlong功能，支持VM，sharding中的一致性哈希机制，支持cluster	优势是速度快，并发高，缺点是数据类型有限，查询功能不强，一般用作缓存	文档型的非关系数据库，优势在于查询功能比较强大，能存储海量数据
操作便利性	数据结构丰富些（list,set,hash等），较少的IO次数	数据结构单一	支持索引、查询语言和丰富的数据表达、
内存与数据量	通过VM特性突破物理内存限制，对KEY值可设置过期时间，仅缓存KEY值（与Memcached的最大区别）	采用LRU算法，可修改最大内存	依赖系统VM内存管理，适合大数据储存
可用性（单点问题）	依赖客户端实现分布式读写；主从复制时，每次从节点重新连接主节点都要依赖整个快照,无增量复制。所以单点问题比较复杂；不支持自动sharding,需要依赖程序设定一致hash机制。一种替代方案是，不用redis本身的复制机制，采用自己做主动复制（多份存储），或者改成增量复制的方式（需要自己实现），一致性问题和性能的权衡	本身没有数据冗余机制，也没必要；对于故障预防，采用依赖成熟的hash或者环状的算法，解决单点故障引起的抖动问题。	支持master-slave,replicaset（内部采用paxos选举算法，自动故障恢复）,auto sharding机制，对客户端屏蔽了故障转移和切分机制。
可靠性（持久化）	支持master-slave模式的数据备份，依赖快照进行持久化（重启时从磁盘恢复到内存），aof增强了可靠性的同时，对性能有所影响	不支持，通常用在做缓存,提升性能	从1.8版本开始采用binlog方式支持持久化的可靠性
数据一致性（事务支持）	事务支持比较弱，只能保证事务中的每个操作连续执行	在并发场景下，用cas保证一致性	不支持事务
数据分析	不支持	不支持	内置了数据分析的功能(mapreduce)
应用场景	数据量较小的更佳性能操作和运算上(由于单线程的串行化网络和内存I/O的阻塞，不适用单条数据太大的高并发情况）	用于在动态系统中减少数据库负载，提升性能;做缓存，提高性能（适合读多写少，对于数据量比较大，可以采用sharding）	主要解决海量数据的访问效率问题