当前位置: 首页 > article >正文

浅谈Tair缓存的三种存储引擎MDB、LDB、RDB

文章目录

  • 什么是Tair
  • Tair的三种引擎对比
    • 1.MDB
    • 2.LDB
    • 3.RDB


什么是Tair

Tair是阿里巴巴自主研发的高性能、分布式、可扩展、高可靠的 key/value 存储系统。
一般我们可能会认为是阿里开发的加强版Redis,支持双向数据同步,能够很好的支持缓存异地多中心,有更好的写性能等。但实际Tair不仅仅是Redis的封装那么简单。


Tair的三种引擎对比

MDBLDBRDB
产品特性Tair 1.0产品,Tair最早的一款产品,专注于内存型KV极速缓存。Tair 1.0产品,Tair第二款产品,专注于持久化型KV高速缓存。Tair 3.0产品,同时服务集团内部和公有云用户,全面支持业务上云。
应用场景可接受数据丢失场景,比如经典缓存场景,临时可丢失数据场景。MDB有两种产品类型,还需根据具体场景选择对应的产品类型。持久化KV场景,比如黑白名单,离线数据在线化等有丰富的数据结构,支持Redis原生的数据结构,也支持自研的高级数据结构。应用场景覆盖新零售,游戏,教育,文化产品,制造业,交通物流,互联网社交等行业。
持久化特性目前仅提供持久化规格支持持久化,数据可靠性99.99%目前仅提供持久化规格
性能
成本较低
支持的数据结构Key-Value,Pkey-{Skey1-Value1,{Skey2-Value2}}Key-Value,Pkey-{Skey1-Value1,{Skey2-Value2}}String,List,Zset,Hmap,Set等复杂数据结构。TairHash,TairString,TairGIS,TairBloom等多种数据结构
可用性99.99%99.95%99。95%

1.MDB

优点:
MDB具备着高读写性能,适用容量小(一般在M级别,50G之内),读写QPS高(万级别)的缓存场景。

缺点:
类似于Memcache,由于是内存型产品,因此无法保证数据的安全性,适用于偶尔数据丢失不对业务产生较大影响的应用,对数据安全有要求的应用建议采取MDB + DB的结构,后端增加加持久化数据源。

使用场景

  • 用于缓存,降低对后端数据库的访问压力。
  • 临时数据存储,分钟级别后失效,偶尔数据丢失不会对业务产生较大影响。
  • 读多写少,读 QPS 达到万级别以上

2.LDB

优点:
LDB 适用于确实有持久化需求,读写QPS较高(万级别)的应用场景。典型应用场景如存储黑白单数据等读 QPS 高的场景或者分布式锁。

缺点:
LDB目前线上使用的SSD机型成本较高

使用场景

  • 存储黑白单数据,读 QPS 很高,DB 无法承载。
  • 榜单类数据、计数器功能,更新非常频繁,且数据不可丢失。
  • 分布式锁:利用 Tair 的 version 特性或者计数功能可以实现分布式锁,由于 LDB 具有持久化功能,当服务有出现宕机的情况,也不会因此出现锁丢失或者锁不可释放的情况,MDB则无法保证。

3.RDB

优点:
RDB兼容Redis接口,支持Redis原生字符串(String)、链表(List)、集合(Set)、有序集合(SortedSet)、哈希表(Hash)等多种数据类型,具备RDB和AOF持久化方式

缺点:
RDB适合高并发场景,但不适合大吞吐场景,即缓存Key不应过大(超过10K)

使用场景
替换Redis,一般认为RDB就是阿里定制版的Redis。


http://www.kler.cn/a/310359.html

相关文章:

  • ⾃动化运维利器Ansible-基础
  • Java 多线程(三)—— 死锁
  • vscode远程连接服务器并启用tmux挂载进程
  • PHP多门店医疗服务系统小程序源码
  • 【121. 买卖股票的最佳时机】——贪心算法/动态规划
  • python魔术方法的学习
  • 使用Addressables+SpriteAtlas打包产生冗余
  • Python知识点:详细讲解Python字节码与反编译
  • Elasticsearch 开放推理 API 新增阿里云 AI 搜索支持
  • react 高阶组件
  • 优化数据的抓取规则:减少无效请求
  • 【数学建模】典型相关分析
  • 【RabbitMQ 项目】服务端:数据管理模块之消息管理
  • 大语言模型超参数调优:开启 AI 潜能的钥匙
  • Linux下rpm方式部署mysql(国产化生产环境无联网服务器部署实操)
  • Android开发高频面试题之——Android篇
  • 为什么 ECB 模式不安全
  • ETL架构类型有哪些?怎么选择?
  • 力扣之1075.项目员工I
  • Java 垃圾收集器详解:CMS, G1, ZGC
  • 国产服务器CPU发展分析
  • 「数据科学」转换数据,数据存储空间和类型转换
  • spark学习笔记
  • 基于JAVA的居家办公OA系统
  • Java中的数据脱敏与隐私保护:实现GDPR与隐私安全的最佳实践
  • c#的委托、事件