豐富的數據結構使得redis的設計非常的有趣。不像關系型數據庫那樣，DEV和DBA需要深度溝通，review每行sql語句，也不像memcached那樣，不需要DBA的參與。redis的DBA需要熟悉數據結構，並能了解使用場景。
下面舉一些常見適合kv數據庫的例子來談談鍵值的設計，並與關系型數據庫做一個對比，發現關系型的不足之處。
用戶登錄系統
記錄用戶登錄信息的一個系統， 我們簡化業務后只留下一張表。
關系型數據庫的設計
mysql> select * from login; +---------+----------------+-------------+---------------------+ | user_id | name | login_times | last_login_time | +---------+----------------+-------------+---------------------+ | 1 | ken thompson | 5 | 2011-01-01 00:00:00 | | 2 | dennis ritchie | 1 | 2011-02-01 00:00:00 | | 3 | Joe Armstrong | 2 | 2011-03-01 00:00:00 | +---------+----------------+-------------+---------------------+
user_id表的主鍵，name表示用戶名，login_times表示該用戶的登錄次數，每次用戶登錄后，login_times會自增，而last_login_time更新為當前時間。
REDIS的設計
關系型數據轉化為KV數據庫，我的方法如下：
key 表名：主鍵值：列名
value 列值
一般使用冒號做分割符，這是不成文的規矩。比如在php-admin for redis系統里，就是默認以冒號分割，於是user:1 user:2等key會分成一組。於是以上的關系數據轉化成kv數據后記錄如下：
Set login:1:login_times 5 Set login:2:login_times 1 Set login:3:login_times 2 Set login:1:last_login_time 2011-1-1 Set login:2:last_login_time 2011-2-1 Set login:3:last_login_time 2011-3-1 set login:1:name ”ken thompson“ set login:2:name “dennis ritchie” set login:3:name ”Joe Armstrong“
這樣在已知主鍵的情況下，通過get、set就可以獲得或者修改用戶的登錄次數和最后登錄時間和姓名。
一般用戶是無法知道自己的id的，只知道自己的用戶名，所以還必須有一個從name到id的映射關系，這里的設計與上面的有所不同。
set "login:ken thompson:id" 1 set "login:dennis ritchie:id" 2 set "login: Joe Armstrong:id" 3
這樣每次用戶登錄的時候業務邏輯如下（python版），r是redis對象，name是已經獲知的用戶名。
#獲得用戶的id
uid = r.get("login:%s:id" % name)
#自增用戶的登錄次數
ret = r.incr("login:%s:login_times" % uid)
#更新該用戶的最后登錄時間
ret = r.set("login:%s:last_login_time" % uid, datetime.datetime.now())
如果需求僅僅是已知id，更新或者獲取某個用戶的最后登錄時間，登錄次數，關系型和kv數據庫無啥區別。一個通過btree pk，一個通過hash，效果都很好。
假設有如下需求，查找最近登錄的N個用戶。開發人員看看，還是比較簡單的，一個sql搞定。
select * from login order by last_login_time desc limit N
DBA了解需求后，考慮到以后表如果比較大，所以在last_login_time上建個索引。執行計划從索引leafblock 的最右邊開始訪問N條記錄，再回表N次，效果很好。
過了兩天，又來一個需求，需要知道登錄次數最多的人是誰。同樣的關系型如何處理？DEV說簡單
select * from login order by login_times desc limit N
DBA一看，又要在login_time上建立一個索引。有沒有覺得有點問題呢，表上每個字段上都有素引。
關系型數據庫的數據存儲的的不靈活是問題的源頭，數據僅有一種儲存方法，那就是按行排列的堆表。統一的數據結構意味着你必須使用索引來改變sql的訪問路徑來快速訪問某個列的，而訪問路徑的增加又意味着你必須使用統計信息來輔助，於是一大堆的問題就出現了。
沒有索引，沒有統計計划，沒有執行計划，這就是kv數據庫。
redis里如何滿足以上的需求呢？ 對於求最新的N條數據的需求，鏈表的后進后出的特點非常適合。我們在上面的登錄代碼之后添加一段代碼，維護一個登錄的鏈表，控制他的長度，使得里面永遠保存的是最近的N個登錄用戶。
#把當前登錄人添加到鏈表里
ret = r.lpush("login:last_login_times", uid)
#保持鏈表只有N位
ret = redis.ltrim("login:last_login_times", 0, N-1)
這樣需要獲得最新登錄人的id，如下的代碼即可
last_login_list = r.lrange("login:last_login_times", 0, N-1)
另外，求登錄次數最多的人，對於排序，積分榜這類需求，sorted set非常的適合，我們把用戶和登錄次數統一存儲在一個sorted set里。
zadd login:login_times 5 1 zadd login:login_times 1 2 zadd login:login_times 2 3
這樣假如某個用戶登錄，額外維護一個sorted set，代碼如此
#對該用戶的登錄次數自增1
ret = r.zincrby("login:login_times", 1, uid)
那么如何獲得登錄次數最多的用戶呢，逆序排列取的排名第N的用戶即可
ret = r.zrevrange("login:login_times", 0, N-1)
可以看出，DEV需要添加2行代碼，而DBA不需要考慮索引什么的。
TAG系統
tag在互聯網應用里尤其多見，如果以傳統的關系型數據庫來設計有點不倫不類。我們以查找書的例子來看看redis在這方面的優勢。
關系型數據庫的設計
兩張表，一張book的明細，一張tag表，表示每本的tag，一本書存在多個tag。
mysql> select * from book; +------+-------------------------------+----------------+ | id | name | author | +------+-------------------------------+----------------+ | 1 | The Ruby Programming Language | Mark Pilgrim | | 1 | Ruby on rail | David Flanagan | | 1 | Programming Erlang | Joe Armstrong | +------+-------------------------------+----------------+ mysql> select * from tag; +---------+---------+ | tagname | book_id | +---------+---------+ | ruby | 1 | | ruby | 2 | | web | 2 | | erlang | 3 | +---------+---------+ 假如有如此需求，查找即是ruby又是web方面的書籍，如果以關系型數據庫會怎么處理？
select b.name, b.author from tag t1, tag t2, book b where t1.tagname = 'web' and t2.tagname = 'ruby' and t1.book_id = t2.book_id and b.id = t1.book_id
tag表自關聯2次再與book關聯，這個sql還是比較復雜的，如果要求即ruby，但不是web方面的書籍呢？
關系型數據其實並不太適合這些集合操作。
REDIS的設計
首先book的數據肯定要存儲的，和上面一樣。
set book:1:name ”The Ruby Programming Language” Set book:2:name ”Ruby on rail” Set book:3:name ”Programming Erlang” set book:1:author ”Mark Pilgrim” Set book:2:author ”David Flanagan” Set book:3:author ”Joe Armstrong”
tag表我們使用集合來存儲數據，因為集合擅長求交集、並集
sadd tag:ruby 1 sadd tag:ruby 2 sadd tag:web 2 sadd tag:erlang 3
那么，即屬於ruby又屬於web的書？
inter_list = redis.sinter("tag.web", "tag:ruby")
即屬於ruby，但不屬於web的書？
inter_list = redis.sdiff("tag.ruby", "tag:web")
屬於ruby和屬於web的書的合集？
inter_list = redis.sunion("tag.ruby", "tag:web")
簡單到不行阿。
從以上2個例子可以看出在某些場景里，關系型數據庫是不太適合的，你可能能夠設計出滿足需求的系統，但總是感覺的怪怪的，有種生搬硬套的感覺。
尤其登錄系統這個例子，頻繁的為業務建立索引。放在一個復雜的系統里，ddl（創建索引）有可能改變執行計划。導致其它的sql采用不同的執行計划，業務復雜的老系統，這個問題是很難預估的，sql千奇百怪。要求DBA對這個系統里所有的sql都了解，這點太難了。這個問題在oracle里尤其嚴重，每個DBA估計都碰到過。對於MySQL這類系統，ddl又不方便（雖然現在有online ddl的方法）。碰到大表，DBA凌晨爬起來在業務低峰期操作，這事我沒少干過。而這種需求放到redis里就很好處理，DBA僅僅對容量進行預估即可。
未來的OLTP系統應該是kv和關系型的緊密結合。