0 引言
随着互联网飞速发展以及大规模应用的不断涌现，目前已经步入了大数据时代。非结构化数据逐渐替代了传统结构化数据并迅速占据了主导地位，为了管理形式多样的非结构化数据，涌现了诸如MongoDB[1]、InfluxDB[2]、Elasticsearch[3]等十分有代表性的数据库。这些数据库虽然针对非结构化数据的存取做了很多优化，但是受限于硬盘(Hard Disk Drive，HDD)等底层存储介质，往往无法满足高性能场景的需求。
为了提高性能，以Redis为代表的内存数据库应运而生。Redis是一个非结构化数据库，支持使用非结构化语言(Not-only Structured Query Language，NoSQL)查询。同时，Redis通过I/O(Input/Output)多路复用和DRAM(Dynamic Random Access Memory)提供了高吞吐、高并发和低时延的服务，在数据缓冲、消息队列、Key-Value存储等场景都发挥了重要的作用。
但是随着大规模计算集群的算力逐渐增大，应用的数据规模也随之变大，计算和I/O之间的“存储墙”也变得愈发明显。现有的Redis也遇到一些网络和存储方面的问题。因此如何改进Redis也受到了广泛的重视，随之出现了很多Redis优化的相关工作，它们从各种角度对Redis服务端或客户端做了改进。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003907。
作者信息：
刘世超1，2，杨 斌1，2，刘卫国1，2
(1.山东大学 软件学院，山东 济南250101；2.国家超级计算无锡中心，江苏 无锡214072)
