Memcached和Redis作為兩種Inmemory的key-value數據庫，在設計和思想方面有著很多共通的地方，功能和應用方面在很多場合下(作為分布式緩存服務器使用等)?也很相似，在這里把兩者放在一起做一下對比的介紹
??
基本架構和思想
?
首先簡單介紹一下兩者的架構和設計思路
?
Memcached
?
Memcached采用客戶端-服務器的架構，客戶端和服務器端的通訊使用自定義的協議標準，只要滿足協議格式要求，客戶端Library可以用任何語言實現。
?
從用戶的角度來說，服務器維護了一個鍵-值關系的數據表，服務器之間相互獨立，互相之間不共享數據也不做任何通訊操作。客戶端需要知道所有的服務器，并自行負責管理數據在各個服務器間的分配。
?
在服務器端，內部的數據存儲，使用基于Slab的內存管理方式，有利于減少內存碎片和頻繁分配銷毀內存所帶來的開銷。各個Slab按需動態分配一個page的內存（和4Kpage的概念不同，這里默認page為1M），page內部按照不同slab class的尺寸再劃分為內存chunk供服務器存儲KV鍵值對使用
?
Memcached的基本應用模型如下圖所示
?
?
?
?
Redis
?
Redis的基本應用模式和上圖memcached的基本相似，不難發現網上到處都是關于redis是否可以完全替代memcached使用的問題
?
Redis內部的數據結構最終也會落實到key-Value對應的形式，不過從暴露給用戶的數據結構來看，要比memcached豐富，除了標準的通常意義的鍵值對，Redis還支持List，Set，?Hashes，Sorted Set等數據結構
?
基本命令
?
Memcached的命令或者說通訊協議非常簡單，Server所支持的命令基本就是對特定key的添加，刪除，替換，原子更新，讀取等，具體包括?Set, Get, Add, Replace, Append, Inc/Dec?等等
?
Memcached的通訊協議包括文本格式和二進制格式，用于滿足簡單網絡客戶端工具（如telnet）和對性能要求更高的客戶端的不同需求
?
Redis的命令在KV（String類型）上提供與Memcached類似的基本操作，在其它數據結構上也支持基本類似的操作（當然還有這些數據結構所特有的操作，如Set的union，List的pop等）而支持更多的數據結構，在一定程度上也就意味著更加廣泛的應用場合
?
除了多種數據結構的支持，Redis相比Memcached還提供了許多額外的特性，比如Subscribe/publish命令，以支持發布/訂閱模式這樣的通知機制等等，這些額外的特性同樣有助于拓展它的應用場景
?
Redis的客戶端-服務器通訊協議完全采用文本格式（在將來可能的服務器間通訊會采用二進制格式）
?
?
事務
?
redis通過Multi / Watch /Exec等命令可以支持事務的概念，原子性的執行一批命令。在2.6以后的版本中由于添加了對Script腳本的支持，而腳本固有的是以transaction事務的方式執行的，并且更加易于使用，所以不排除將來取消Multi等命令接口的可能性
?
Memcached的應用模式中，除了increment/decrement這樣的原子操作命令，不存在對事務的支持
?
數據備份，有效性，持久化等
?
memcached不保證存儲的數據的有效性，Slab內部基于LRU也會自動淘汰舊數據，客戶端不能假設數據在服務器端的當前狀態，這應該說是Memcached的Feature設定，用戶不必太多關心或者自己管理數據的淘汰更新工作，當然是否適合你的應用，取決于具體的需求，它也可能成為你需要精確自行控制Cache生命周期的一個障礙
?
Memcached也不做數據的持久化工作，但是有許多基于memcached協議的項目實現了數據的持久化，例如memcacheDB使用BerkeleyDB進行數據存儲，但本質上它已經不是一個Cache Server，而只是一個兼容Memcached的協議key-valueData Store了
?
Redis可以以master-slave的方式配置服務器，Slave節點對數據進行replica備份，Slave節點也可以充當Read only的節點分擔數據讀取的工作
?
Redis內建支持兩種持久化方案，snapshot快照和AOF?增量Log方式。快照顧名思義就是隔一段時間將完整的數據Dump下來存儲在文件中。AOF增量Log則是記錄對數據的修改操作（實際上記錄的就是每個對數據產生修改的命令本身），兩種方案可以并存，也各有優缺點，具體參見http://redis.io/topics/persistence
?
以上Redis的數據備份持久化方案等，如果不需要，為了提高性能，也完全可以Disable
?
?
性能
?
性能方面，兩者都有一些自己考慮和實現
?
Memcached
?
memcached自身并不主動定期檢查和標記哪些數據需要被淘汰，只有當再次讀取相關數據時才檢查時間戳，或者當內存不夠使用需要主動淘汰數據時進一步檢查LRU數據
?
?
Redis
?
Redis為了減少大量小數據CMD操作的網絡通訊時間開銷 RTT (Round Trip Time)，支持pipeline和script技術
?
- 所謂的pipeline就是支持在一次通訊中，發送多個命令給服務器批量執行，帶來的代價是服務器端需要更多的內存來緩存查詢結果。
- Redis內嵌了LUA解析器，可以執行lua?腳本，腳本可以通過eval等命令直接執行，也可以使用script load等方式上傳到服務器端的script cache中重復使用
?
這兩種方式都可以有效地減少網絡通訊開銷，增加數據吞吐率
?
對于KV的操作，Memcached和Redis都支持Multiple的Get和Set命令（Memcached的Multiple Set命令貌似只在二進制的協議中支持），這同樣有利于性能的提升
?
實際性能方面，網上有很多測試比較，給出的結果各不相同，這無疑和各種測試的測試用例，測試環境，和測試時具體使用的客戶端Library實現有關。但是總體看下來，比較靠譜的結論是在kv類操作上，兩者的性能接近，Memcached的結構更加簡單，理論上應該會略微快一些。
?
?
集群
?
memcached的服務器端互相完全獨立，客戶端通常通過對鍵值應用Hash算法決定數據的分區，為了減少服務器的增減對Hash結果的影響，導致大面積的緩存失效，多數客戶端實現了一致性hash算法
?
Redis計劃在服務器端內建對集群的支持，但是目前代碼還處于alpha階段（貌似已經Design了兩三年了？）在此之前，同樣可以認為每個Redis服務器實例相互之間是完全獨立的，需要依靠客戶端處理分區算法和可用服務器列表管理的工作。
?
?
Redis官方推薦的用于Sharding的客戶端程序庫是Twitter的開源項目?Twemproxy，?Twemproxy同時支持Memcached和Redis的文本通訊協議。
?
需要注意的是，Redis的許多命令在集群環境下是不能正確運行的，例如set的交集，以及跨節點的事務操作等等，因為目前的Redis集群設計，根本目標也就是服務器之間互相匯報一下存活狀態，以及對數據做榮譽備份平衡負載等而已，本質上對數據的跨節點操作并不提供任何額外支持，所以在數據服務的層面上來說，各個服務器依舊是完全獨立的。
?
這些操作如果一定要實現，當然可以通過客戶端代碼來實現（效率有多高且不說），類似的問題memcached集群當然也會遇上，但是原本memcached就不支持復雜的操作和數據類型，許多運算邏輯原本就是由客戶端代碼或應用程序自己處理的。
?
?
MR類批處理應用
?
提供指定范圍的遍歷操作，是支持類似MapReduce這樣的批處理應用邏輯的關鍵之一，但是要在基于hash方式存儲的數據結構的基礎上提供這樣的支持并不容易（或者說要實現高效的范圍或遍歷操作并不容易）
?
Redis支持Scan操作用于遍歷數據集，這一操作基于其內部數據結構及實現的限制，可以保證在Scan開始時的所有數據都能被獲取到，但是不能保證不返回重復的數據，這需要由客戶端來檢查，或者客戶端對此無所謂。Scan操作還支持Match條件用來過濾鍵值，雖然存在一定的局限性，例如match條件的比較是在獲取數據之后再執行的，效率是一個問題，更明顯的問題是不能保證每次scan的iterate過程都能返回同樣數量的有效數據。
?
對于范圍操作，Redis的Ordered Set支持在插入時指定數據的分數（Score）用于排序，而后支持在指定Score范圍內的各種操作，雖然由于不支持基于字符串的或自定義的基準的Range操作，這樣的范圍操作應用起來有很大的局限性（或者說需要滿足特定的應用模式），但是還是比沒有好了
?
Memcached核心協議本身不支持任何范圍類的操作，也沒有對遍歷操作的支持，甚至不存在官方合法的列舉所有Key的操作，這當然很大程度上源于其設計思想和精簡的架構
?
不過還是有一些兼容memcached協議的服務器實現了范圍類操作，具體格式可以參考?https://code.google.com/p/memcached/wiki/RangeOps?所建議的標準
?
此外Redis的Hashes數據結構，在一定程度上可以滿足獲取特定子集數據的應用邏輯需求。
?
綜上來說，如果要實現類似HBase支持的scan操作，不論是Redis還是memcached都無法做到，但是對于Redis來說，能否用于批處理類應用，不能一概而論，取決于具體的數據的格式邏輯和使用方式。通過適當的調整應用程序使用數據的方式，還是有可能在一定程度上實現對MR類批處理，或范圍查詢類應用邏輯的支持的。而對于鍵值分布在一個較大的連續空間，數量不確定，同時又無法很好的映射為數值進而使用ordered set來處理的這樣一些數據結構，應該還是很難高效的分區遍歷的
