分布式缓存能否作为NoSQL数据库？

对于文档、对象图、键值对这样的非关系型数据类型，NoSQL数据库为它们提供了另一种可选的数据存储方式。分布式缓存能被用作NoSQL数据库吗？Ehcache的Greg Luck

对于文档、对象图、键值对这样的非关系型数据类型，NoSQL数据库为它们提供了另一种可选的数据存储方式。分布式缓存能被用作NoSQL数据库吗？Ehcache的Greg Luck撰文描述了分布式缓存与NoSQL数据库的相似性。InfoQ就此采访了他，讨论了该方案的利弊之处。

InfoQ：你能否就分布式缓存解决方案与NoSQL数据库做个对比？

Greg Luck：分布式缓存通常会把数据放在内存里，用于降低延时。NoSQL数据库是没有R的DBMS（即没有关系的数据库管理系统），一般也缺乏对事务和其他高级特性的支持。对于不支持关系的系统，表关系的关联是SQL里最麻烦的部分，这也正是NoSQL这个名字的起源。

其中一种NoSQL数据库是键值存储。典型的例子包括Dynamo、Oracle NoSQL Database和Redis。缓存也是键值存储，因此说这两者是相关的。很多缓存实现能被配置为可持久化的，之所以很多时候不那么做，是因为缓存是要提升性能而不是做持久化。而NoSQL数据库则与此相反，它是用来做持久化的。

持久化缓存也可当作键值NoSQL数据库来使用。NoSQL也提到了Big Data，通常是指比能放进一个单独的RDBMS节点的量要大的数据，一般从几TB到几PB。

分布式缓存通常用于降低事务性数据的延时，这些数据开始时并不大，但慢慢就会往Big Data这个方向发展。由于缓存将数据保存在内存里，这提高了存储的成本，而且需要限制数据的大小。如果依赖于堆存储，每个服务器节点可能只有可怜的2GB。如果依赖于分布式缓存，Ehcache还提供了堆外存储，每台服务器可以存储几百GB数据，可以用作TB级别的缓存。

持久化、分布式的缓存可以适用于一些NoSQL的场景。NoSQL数据库也可以应对一些缓存的场景，只是延时稍高而已。

InfoQ：从架构角度来看，分布式缓存和NoSQL数据库有什么相似之处吗？

Greg：它们都想提供优于RDBMS的TPS和可扩展性。为此，它们都在功能上做了简化，抛开了那些麻烦的问题，比如表关联、存储过程和ACID事务。

虽然Java缓存领域里有JSR 107，它为Spring和Java EE程序员提供了一套标准的缓存API，但是比起标准化接口，它们都更倾向于使用私有接口。

它们都采用对客户端透明的方式对数据进行分区，做向外扩展。非Java产品向上扩展做得也很好。拥有Terracotta BigMemory，我们在Java平台上的向上扩展方面也做得很特别。最后，两者都可以部署在常见的硬件和操作系统上，这让它们都能理想地运行于云端。

InfoQ：架构上这两项技术又有何不同呢？

Greg：NoSQL和RDBMS通常使用的是磁盘。磁盘是机械设备，延时很厉害，因为寻道时间是磁头移动到正确的磁道的时间，读写时间依赖于磁盘的RPM。NoSQL尝试优化磁盘的使用，例如，仅仅在磁头当前位置追加日志，偶尔才刷新到磁盘上。相反，缓存主要都把数据放内存里。

NoSQL和RDBMS的客户端很薄（想想Thrift或JDBC），只是在网络中传输数据，而像Ehcache这样的缓存使用进程内存储和远程存储，因此常用请求在本地就能被成功处理。在分布式缓存上下文中，每个应用程序服务器的进程内存储中都会缓存热点数据，增加服务器数量并不会增加网络或后端的负载。

RDBMS专注于成为通用的SOR（System of Record）。NoSQ希望成为某类特定数据类型的SOR，比如键值对、文档、稀疏表（宽表）或图。缓存着眼于性能，一般会与RDBMS或NoSQL数据库结合使用，数据类型就是SOR。往往缓存中会存储Web服务调用的结果，业务对象的计算结果，这个结果可能需要成百SOR调用才能得到。

像Ehcache这样的缓存部分运行在应用程序的操作系统进程里，部分运行在网络那头自己机器的进程里。但也不是全部分布式缓存都这样：memcache就是一个例子，所有的数据都跨网络存储。

InfoQ：哪类应用程序最适合这种方式？

Greg：这还得从先前的问题说起，要将分布式缓存用于你现有的应用程序，通常只需要很小的工作量，而NoSQL则需要做很多事，还有大的架构变更。

因此适用分布式缓存的第一类应用程序是现有系统，特别是有以下需要的：

由于使用量或负载激增而需要向外扩展

为达到SLA而需要有更低的延时

为了将大型机这样的昂贵基础设施的使用减到最低

减少Web服务调用而带来的费用

应对极端负载高峰（比如黑色星期五一样的促销）

InfoQ：这种方式有什么局限么？

Greg：缓存，置于内存之中，在大小上有制约，它们的技术局限受限于有多少内存给它们使用（下面还会具体展开说明）。

缓存，就算它提供持久化功能，也未必算的上作为SOR的上选。缓存故意回避了备份到磁盘和从中还原的复杂功能，尽管也有简单的。RDMBS在过去30年里开发了丰富的备份、还原、迁移、报表和ETL特性。而NoSQL则介于两者之间。

缓存提供了改变数据与访问数据的编程API。NoSQL和RDBMS则提供了工具，可以执行脚本化语言（比如SQL、UnSQL和Thrift）。

但关键一点是要记住缓存并不想成为你的SOR。它能轻松地与你的RDBMS和睦相处，为此它并不需要RDBMS所有用的复杂功能。

InfoQ：以后分布式缓存解决方案、NoSQL数据库和传统RDBMS互相协同工作，你有何看法？

Greg：速度大幅快于RDBMS，依赖于部署拓扑的NoSQL，还有数据访问模式，分布式缓存可以位于这三者之间的任意位置。那些需要更低延时的人可以将缓存作为NoSQL的一个补充，就像现在对待RDBMS那样。

稍有不同的是，在你想将RDBMS扩展到多个节点时，经常会难于扩展，或者影响编程契约，或者受制于CAP做出权衡；而使用NoSQL，就算只使用一个节点，你也可以简单地将其视为多节点安装。如果是向上扩展就没有这些问题。在RDBMS中，添加缓存是为了避免向外扩展会遇到的麻烦。通常缓存能解决系统的容量问题，你不用费太多力气。因此当需要向外扩展时，加入缓存吧。

对于NoSQL而言，内建了向外扩展的能力，在需要低延时的时候使用缓存吧。

查看英文原文：Distributed Cache as a NoSQL Data Store?

译者 丁雪丰 是InfoQ中文站编辑，满江红翻译组核心成员，出版过《Spring攻略》、《JRuby实战》等多部译著。主要关注领域：企业级应用、海量数据计算、动态语言应用等。