数据存储方式
. mysql：
行存储， 存储结构分为聚簇索引（innodb）和非聚簇索引（myisam），均是采用b+树结构。
聚簇索引：
必有主键索引，主键索引的叶子节点存储了表的数据。非叶子节点都是索引关键字，但是不是记录数据或者数据地址。
可能会有二级索引，二级索引的叶子节点存储的是主键值（而不是行指针）。
（这样可以减少当前行移动时，二级索引的维护，但会让二级索引占用更多的空间）。
非聚簇索引：
主键索引和二级索引存储上没有任何区别，所有的节点都是索引，叶子节点存储的是索引+索引对应的记录的数据。
区别：
- 聚簇索引读一定范围的数据比较快。
- 聚簇索引主键和行数据会缓存到buffer中，用主键查数据更快
- 聚簇索引数据变更减少二级索引的维护工作。
- 插入速度严重依赖于插入顺序，聚簇索引更新主键代价高。
- 聚簇索引二级索引占用一些空间
redis
redis整个数据库统统加载在内存当中进行操作，定期通过异步操作把数据库数据flush到硬盘上进行保存。
持久化分为AOF和RDB两种，RDB生成快照文件，AOF日志记录命令。
提供了write和fsync两种方式写入内存。
es
https://zhuanlan.zhihu.com/p/33671444
倒排索引的方式存储。
主要是通过建立一个term index（trie树），这棵树不会包含所有的term，它包含的是term的一些前缀。通过term index可以快速地定位到term dictionary的某个offset，然后从这个位置再往后顺序查找(二分法查找term dictionary)。再加上一些压缩技术（搜索 Lucene Finite State Transducers） term index 的尺寸可以只有所有term的尺寸的几十分之一，使得用内存缓存整个term index变成可能。
-
为什么比mysql快？
因为比mysql多了term index（存在内存中，以FST（finite state transducers）的形式保存）加快检索，从term index查到对应的term dictionary的block位置之后，再去磁盘上找term，大大减少了磁盘的random access次数。
对于mysql来说，如果你给age和gender两个字段都建立了索引，查询的时候只会选择其中最selective的来用，然后另外一个条件是在遍历行的过程中在内存中计算之后过滤掉。
- es联合索引利用Skip List / bitset 合并。
每一行叫document，每个单词叫term，单词列表叫dictionary。存储的doc-id list叫posting-list（int的数组，存储了所有符合某个term的文档id）。
读写
mysql
-
读
二级索引查找到主键索引-查找到相关数据
-
写
如果主键连续，innodb顺序写io。如果乱序需要取出每条记录对应的物理block，会引起大量的随机io。（innodb提供了insert buffer，合并插入操作，改乱序为顺序）
Redis
- 读内存
-
写入到内存中，如果开了aof，aof会以日志的形式记录每个写操作。
触发方式：有写操作就写、每秒定时写（也会丢数据）。
ES
- 查询倒排索引
-
先写入buffer，在buffer里的时候数据是搜索不到的；同时将数据写入translog日志文件。
2）如果buffer快满了，或者到一定时间，就会将buffer数据refresh到一个新的segment file中，但是此时数据不是直接进入segment file的磁盘文件的，而是先进入os cache的。这个过程就是refresh。
每隔1秒钟，es将buffer中的数据写入一个新的segment file，每秒钟会产生一个新的磁盘文件，segment file，这个segment file中就存储最近1秒内buffer中写入的数据。
但是如果buffer里面此时没有数据，那当然不会执行refresh操作咯，每秒创建换一个空的segment file，如果buffer里面有数据，默认1秒钟执行一次refresh操作，刷入一个新的segment file中。
操作系统里面，磁盘文件其实都有一个东西，叫做os cache，操作系统缓存，就是说数据写入磁盘文件之前，会先进入os cache，先进入操作系统级别的一个内存缓存中去。
只要buffer中的数据被refresh操作，刷入os cache中，就代表这个数据就可以被搜索到了
-
数据写入 --> 进入ES内存 buffer (同时记录到translog）--> 生成倒排索引分片（segment）
2、将 buffer 中的 segment 先同步到文件系统缓存中，然后再刷写到磁盘
数据一致性保证/容灾
单节点：
https://sq.163yun.com/blog/article/172546631668785152
mysql存在redo日志和undo日志。通过redo日志和checkpoint保证单机数据不丢失。
redo log记录了对实际数据文件的物理变更(数据文件的什么位置数据做了如何的变更)。
InnoDB也是采用了WAL(日志优先落盘)。
数据库down机回放log文件恢复。
多节点：
MySQL提供了master-slave和group replication 集群级别的容灾方案。
- Master-Slave架构主要思路是：master负责业务的读写请求，然后通过binlog复制到slave节点.
- 主从架构存在数据不一致的问题，所以MySQL5.7出现了Mysql Group Replication方案，mgr采用paxos协议实现了数据节点的强同步，保证了所有节点都可以写数据，并且所有节点读到的也是最新的数据。
单节点也是通过translog的方式恢复，多节点通过增加replica shard解决。
primary shard首先接收client端发送过来的数据，然后将数据同步到replica shard中，当replica shard也写入成功后，才会告知client数据已正确写入，这样就防止数据还没写入replica shard时，primary挂掉导致的数据丢失。
分布式
master-slave和group replication
-
主从同步，读写分离。
Master会将数据同步到slave，而slave不会将数据同步到master。Slave启动时会连接master来同步数据。缺点是数据量很大的情况下，集群的扩展能力还是受限于单个节点的存储能力
-
数据分片模型
可以将每个节点看成都是独立的master，然后通过业务实现数据分片。
结合上面两种模型，可以将每个master设计成由一个master和多个slave组成的模型。
-
RedisCluster，存储单元化
将所有存储区域划分为16384个slots（槽位），每个节点负责一部分槽位，槽位的信息存储于每个节点中。当客户端请求进来时候会拉去一份槽位信息列表缓存在本地，RedisCluster的每个节点会将集群的配置信息持久化到自己的配置文件中，所以需要引入一套可维护的配置文件管理方案，尽量做到自动化。
槽位算法：
RedisCluster 默认会根据key使用crc32算法进行hash得到一个整数，然后用这个整数对16384取模定位key所在的槽位。它还运行用户在key字符串里面嵌入tag将key强制写入指定的槽位。
迁移：
- 首先使用CLUSTER GETKEYSINSLOT 命令获取该slot中所有的key, 然后每个key依次用MIGRATE命令转移数据。
- 数据转移完毕之后，正式将slot指派给新的节点
当有新的节点加入或者断开节点时，就会触发Redis槽位迁移。
当一个槽位正在迁移时候在原节点的状态为migrating，在目标节点的状态为importing。
原节点的单个key执行dump指令得到序列化内容，再向目标节点发送restore携带序列化内容作为参数的指令，目标节点接收到内容后反序列化复制到内存中，响应给原节点成功。原节点收到成功响应后把当前节点的key删掉就完成了节点数据迁移。
-
Redis主库的灾备模式（Redis Sentinel）
主节点down机的时候只能手动切换机器。所以redis引入了自动切换机器的哨兵架构模式。
前提：
首先哨兵服务单独部署，需要保证高可用。然后引入zookeeper等分布式协调组件，保证哨兵可以感知redis集群的状态。
作用：
哨兵负责监控主节点的监控状态，当主节点不可用时，自动选一个从节点切换为主节点。
触发：
客户端在请求主节点时访问失败，会通过Redis哨兵查询主节点的地址。
成功后再将新的主节点列表缓存到客户端中。
等故障主节点恢复后会作为一个新的只读从节点加入集群。
自己实现的分布式算法，类似raft。
提供分片功能，并且每个分片都有replica。写入时，replica shard会同步数据。
一台机器down机，replica shard会变成primary shard。
如果master down机，重新选主。