NoSQL：
关系型数据库成熟在强大的sql功能和ACID属性，所以广泛应用。随着数据量级的增加，业务逻辑的复杂，数据结构的多样，全文检索的性能等，出现了不同NoSQL解决方案，Not Only SQL。
常见的有如下四类：
1、K-V存储：解决无法存储的数据结构问题，比如Redis。
2、文档数据库：解决强schema约束的问题，比如MongoDB。
3、列式数据库：解决大数据场景下的IO问题，比如HBase。
4、全文搜索引擎：解决全文搜索性能问题，比如Elasticsearch。
K-V存储之 Redis：缺点不支持完整的ACID事务（原子性、一致性、隔离性、持久性），只能保证IC，无法保证AD。
原子性：这里针对一次批量提交的redis操作，redis事务不支持原子性，也不支持回滚操作，批量中的某个命令执行失败，并不会影响整体，已经执行的不会回滚，未执行的也会继续执行，不会因此中断操作。可以参考下图：来自 Redis事务
一致性：能够保证事务执行前后，数据库的完整性没被破坏。
隔离性：redis本身是单线程，不存在多个事务进行，如果某个客户端一个redis事务中有很大redis执行命令，并且耗时很大，就容易阻塞其他客户端对redis的操作。
持久性：RDB 和 AOF 两种持久方式。RDB 是只备份内存中的数据，就会存在内存数据已执行完毕，还未及时刷入磁盘，此刻断电，redis事务的持久性未达到，数据丢失。AOF 先执行命令，然后追加到日志文件，所以同样，也会存在未及时刷盘，丢失最近的1条，也不能保证事务的持久性。
文档数据库：目前很多常用的是JSON格式，比如MongoDB，不会涉及到新增字段影响历史数据，其次是可以存储复杂的数据结构，同样的方式解析就行。
列式数据库：主要针对海量统计列数据的时候，比如全国某个年龄段的人数，只需要知道城市和人的年龄就可以，精简数据的获取；其次，提高数据存储压缩比，普通行式压缩率3：1 到 5：1 ，列式可以到 8：1 到 30：1。
全文搜索引擎：支持随意组合条件查询，比如 曲面、12G内存、**品牌、自营的手机等，采用的原理：倒排索引，也称为 反向索引。
缓存
缓存穿透：1、存储数据不存在，缓存中没有。可以默认一个空值。
2、生成缓存本身耗时耗资源：加入监控，及时识别，要么优化，要么避免调用。
缓存雪崩：缓存失效引起的系统性能瞬时甚至持续下降。更新锁机制：单线程或者分布式锁控制等，保证一个线程更新缓存，避免同时重新生成缓存更新，造成压力；后台更新机制：一是定时读取缓存失效时间，及时刷新；二是消息通知，失效的缓存触发消息通知，接收到消息后重新更新生成缓存。
缓存热点：为了解决缓存中某个火热的数据，缓存的缓存，或者缓存的备份，某个数据本身已经在缓存了，但由于特别热点，访问压力大，备份多份缓存，分布式，分散访问压力。
