redis基於記憶體，查詢速度快
快的原因：
1、完全基於記憶體，絕大部分請求是純粹的記憶體操作，非常快速。資料存在記憶體中，類似於hashmap，hashmap的優勢就是查詢和操作的時間複雜度都是o(1)；
2、資料結構簡單，對資料操作也簡單，redis中的資料結構是專門進行設計的；
3、採用單執行緒，避免了不必要的上下文切換和競爭條件，也不存在多程序或者多執行緒導致的切換而消耗 cpu，不用去考慮各種鎖的問題，不存在加鎖釋放鎖操作，沒有因為可能出現死鎖而導致的效能消耗；
4、使用多路i/o復用模型，非阻塞io；
5、使用底層模型不同，它們之間底層實現方式以及與客戶端之間通訊的應用協議不一樣，redis直接自己構建了vm 機制 ，因為一般的系統呼叫系統函式的話，會浪費一定的時間去移動和請求；
但是，鑑於記憶體空間有限，如何高效使用redis呢？
這就要使用到redis的淘汰策略:
volatile-lru -> 根據lru演算法生成的過期時間來刪除。
allkeys-lru -> 根據lru演算法刪除任何key。
volatile-random -> 根據過期設定來隨機刪除key。
allkeys->random -> 無差別隨機刪。
volatile-ttl -> 根據最近過期時間來刪除
noeviction -> 誰也不刪，直接在寫操作時返回錯誤。這也是redis的預設策略
資料庫大資料量去重實現方式
前提 表a 字段 id a1 a2 可以有多個字段，在此為方便只列出3個字段，其中id是主鍵，因此在乙個表中是唯一的 方式一 delete from a where a.id not in select max id from a group by a1,a2 說明 資料量很大時候，執行非常慢。大資...
大資料量的系統的資料庫結構如何設計？
1 把你表中經常查詢的和不常用的分開幾個表，也就是橫向切分 2 把不同型別的分成幾個表，縱向切分 3 常用聯接的建索引 4 伺服器放幾個硬碟，把資料 日誌 索引分盤存放，這樣可以提高io吞吐率 5 用優化器，優化你的查詢 6 考慮冗餘，這樣可以減少連線 7 可以考慮建立統計表，就是實時生成總計表，這...
大資料量的系統的資料庫結構如何設計？
1 把你表中經常查詢的和不常用的分開幾個表，也就是橫向切分 2 把不同型別的分成幾個表，縱向切分 3 常用聯接的建索引 4 伺服器放幾個硬碟，把資料 日誌 索引分盤存放，這樣可以提高io吞吐率 5 用優化器，優化你的查詢 6 考慮冗餘，這樣可以減少連線 7 可以考慮建立統計表，就是實時生成總計表，這...