通常大家都会使用redis作为应用的任务队列表，redis的List结构，在一段进行任务的插入，在另一端进行任务的提取。任务的插入$redis-》lPush(“key:task:list“,$task);任务的提取$tasks = $redis-》RPop(“key:task:list“,0,-1);可是大家想，如何使用mysql来实现一个队列表呢？映入大家脑海的一个典型的模式是一个表包含多种类型的记录：未处理记录，已处理记录，正在处理记录等。一个或者多个消费者线程在表中查询未处理的记录，然后声称正在处理这个任务，处理完成之后，再讲记录更新为已处理状态。这个典型的模式，存在两个问题；1：随着队列表越来越大，查找未处理记录的速度会越来越慢。2：频繁的加锁会让多个消费者线程增加竞争。首先我们来创建一个表create table unsent_emails{ id int not null primary key auto_increment, status enum(“unsent“,“claimed“,“sent“),owner int unsigned not null default 0,ts timestamp, key (owner,status,ts)};该表的列owner用来存储当前正在处理这个记录的连接id，由函数 CONNECTION_ID()返回的连接id或者线程id。如果这个记录当前被没有被处理，则该值为0我们在 owner status ts上面做了索引的处理，所以查找未处理的记录会很快。通过我们会采用 select for update的方式来标记待处理的记录，方法如下begin;select id from unsent_emails where owner = 0 and status = ’unsent’limit 10 for update;-- result 10,20,33update unsent_emails set status = ’claimed’,owner = CONNECTION_ID() where id in (10,20,33); commit;select的时候，使用了两个索引，应该会很快。问题出在select 和 update两个查询之间的间隙，这里的加锁会让其他相同的查询全部阻塞。如果我们采用update then select的方式，那么效果就会更加高效，代码如下set autocommit=1;commit;update unsent_emails set statue = ’claimed’,owner = CONNECTION_ID() where owner = 0 and status = ’unsent’limit 10;set autocommit=0;select id from unsent_emails where owner = CONNECTION_ID() and status = ’claimed’;根本无需使用select去查找哪些记录还没有处理。客户端协议会告诉你更新了几条记录，就可以知道这次需要处理多少条记录。这样是不是解决了上面的第二个问题，select for update的模式的加锁会增加多个消费队列的竞争问题。其实所有的select for update 都可以替换为 update then select模式。问题还没有结束，还有一种情况需要处理，就是比如正在处理任务的进程异常退出了，那么对应的进程正在处理的任务也就变为僵尸任务了。如何避免这种情况的发生呢？所以我们还是需要一个新的定时器或者线程来定时检测并且update，将那些僵尸任务的记录更新到原始状态，就可以了。僵尸任务的定义必须符合两点，1：任务被搁置了很久，比如十分钟，而通常一个任务只需要10秒就可以处理完；2：任务的owner(线程id或者连接id)已经不存在，只需要执行show processlist就可以获取当前正在工作的线程id了。代码如下update unsent_emails set owner = 0,status = ’unsent’where owner not in (10,20,33,44) and status = ’claimed’and ts 《 current_timestamp - interval 10 minute;一个基于mysql构建的队列表就完成了。当然，最好的办法就是将任务队列从数据库中迁移出来。redis真是一个很好的队列容器，当然也可以使用ssdb(基于leveldb，内存占用更少)。

一、配置java环境 1：先查看系统32/64： uname -a 根据系统的版本去Oracle官网下载jdk，下载后安装jdk即可。 2：配置JAVA环境变量： vi /etc/profile 追加如下内容： JAVA_HOME=/opt/jdk1.6.0_20 PATH=$JAVA_HOME/bin:$

ssdb主要看中的是和Redis兼容，这样不用改源码，就可以换个存储引擎了。基于Redis先驱开发的存储有aerospike，vedis，ssdb，解决了多语言多线程分布式环境下快速存储问题，比mysql传统数据库要快，有的和redis协议兼容，方便更换存储引擎。

SSDB(LevelDB 服务器, NoSQL 存储方案)的 zscan 是最强大的一条命令, 因为它操作的是 zset(sorted set) 数据类型, 只需要一条 zscan 命令就能直接地表达业务逻辑, “所写即所想“. 例如, 获取用户的未读消息列表, 获取按上架时间排序的商品列表, 获取微博 timeline...zset 可以理解为关系数据库里具有两个字段的表, 一个字段是 key, UNIQUE 索引, 也即数据的唯一标识; 另一个字段是浮点型 score, 每一个 key 对应的排序权重值. 在关系数据库中, 要分页遍历数据, 就要执行类似的一条 SQL 查询:select * from table order by score, key limit start, size每一次查询都会进行排序, 性能非常低. 而 SSDB 的 zset 中的数据是已经排好序的, 读取时不需要进行排序. zscan 的命令原型为:zscan name key_start score_start score_end limit - name: 列表的标识 - key_start: 分页遍历列表时, 上一次遍历到的最大(score)的一条数据 key - score_start: 上一次遍历到的数据的排序权重值最大值 - score_end: 想要遍历的数据的排序权重值最大值 - limit: 分页返回一次的数据条数假设购物网站中有这样的一个商品表:id, title, price, update_time展示商品列表时, 有时需要按价格 price 排序, 有时需要按更新时间 update_time 排序, 用 SSDB 怎么解决? 那就需要建两个 zset:#zset 1key = idscore = price#zset 2key = idscore = update_time这就是 NoSQL 的常用设计模式, 将带有 N 字段的关系数据库表分解成 N-1 个每个只有 2 个字段的数据库表, 这样每个表对应一个 SSDB 的 zset.

额，说一下个人意见:mongodb,一般用来存储比较大的数据，一般都是实时的，缓存成html没多大意义 memacahe 确实是缓存到内存的，但是不是一直在内存中，会通过机制存储到磁盘中，生成一个文档，可是设置隔多少时间存储一次

像这样在 ssdb 中使用 json 格式保存了一个书本的信息。像这样用 json 保存的数据，该如何做查找操作，比如说我想根据 author 的条件来查找，根据 title 的模糊条件来查找。

在centos 7上使用python3.5， 系统本身带有python2.7， 自己没有将默认的python从2.7链接为3.5。 然后安装python3使用的包： ssdb， 安装方式 pip3 install ssdb,或者 直接下载包源文件，进入文件内，安装 python3 setup.py install 。

根据Redis 两个版本的测试结果对比得出以下结论一、Redis 2.6主从同步在网络闪断的情况下会自动开启新的端口进行重新链，同时会进行一下操作： 1、断开链接的从会向主发送SYNC命令 2、然后主fork进程导出rdb文件发送到从 3、从接收到完整的数据后，清空Redis内数据然后在从RDB中恢复 但是根据测试结果发现以下问题： 1、多个主从关系同时断开的时候，主导出RDB文件时，会占用大量内存 2、从接收到完整数据后，恢复数据的时候，会清空数据，这时候由于Redis数据量很大，目前10G左右内存恢复速度大约1分钟左右，这一分钟内，很多请求无法获取数据 3、在从RDB恢复数据的过程中，部分请求会被阻塞，导致请求超时（目前报警无法获取数据根次有关）二、Redis 2.8.8 没有发现以上问题，因为Redis 2.8链接闪断重新连接后，从会从断开之前的主从同步进度开始继续同步，不会有全量恢复的问题三、Redis 2.8 和 Redis 2.6 在进行save操作的时候，save过程中所有的请求都会被阻塞，导致前端请求失败，所以不要再查询的从上进行save操作根据以上得出建议:1、Redis 升级到 2.8 以上，保证数据主从同步时候的可用性2、不要直接在Redis从或主上进行save操作，可以按王彬的建议在关键节点增加新的从用于save备份使用3、建议优化Redis存储，单个端口存储数据不要过大，这样可以保证单个端口挂掉数据数据时候的速度，和影响面积Redis 2.8和SSDB性能对比SSDB 1.6.8.6顺序写 : 1.645 ms/op 59.4 MB/s随机写 : 1.679 ms/op 58.2 MB/s顺序读 : 1.286 ms/op 75.9 MB/s随机读 : 1.225 ms/op 79.7 MB/srpush : 1.546 ms/op 63.2 MB/slpop : 1.303 ms/op 74.9 MB/sRedis 2.8.8顺序写 : 1.617 ms/op 60.4 MB/s随机写 : 1.214 ms/op 80.4 MB/s顺序读 : 1.156 ms/op 84.5 MB/s随机读 : 1.153 ms/op 84.7 MB/srpush : 1.222 ms/op 79.9 MB/slpop : 1.153 ms/op 84.7 MB/s