redis
c语言实现
都知道redis是非常强大的内存数据库， 由于所有的数据都存储在内存中，其操作非常的快。但是由于内存比较昂贵，不可能把所有的数据都放到内存中，因此往往redis都用来做缓存。
这带来什么问题呢，缓存的有效性如何保证，在持久化存储的更新发生时，需要同步更新缓存，在高并发的情况下，很可能带来不一致性的问题。（当然得有一定的并发量）
如果redis可以把持久化存储的工作干了，是不是就不需要做同步更新了呢？来看下leveldb
leveldb
c++语言实现
leveldb是一款key-value NoSql数据库，基于内存的写入 + 基于内存和磁盘的读取，实现高效的Get Put操作
具体是如何工作的呢？
- 首先介绍下skiplist：
我们都知道linkedlist，linkedlist的查询/修改复杂度为O(n)，对于linkedlist我们如何能实现类似于二分法，复杂度为O(log(n))的算法呢？
linkedlist是实现不了，其变异版本skiplist可以实现，欲了解详情自行百度，这里只是介绍下 它是一种能够实现高效查询和修改的类链表结构 - leveldb的数据存储分为内存和磁盘，在内存中数据存储在2个skiplist，一个只读一个读写
- 数据在写入leveldb的时候数据，会写入wskiplist以及磁盘日志(类似于wal机制)，在wskiplist达到一定大小，wskiplist变成新的rskiplist，老的rskiplist会被异步写入磁盘，生成sst文件(sorted string table)
- 生成新的wskiplist用于写入数据
- 在读取数据的时候，其顺序依次为wskiplist-> rskiplist -> sst文件
- sst文件分层存储，从而每层文件个数不同，大小类似
rocksdb
基于leveldb开发，在leveldb代码的基础上进行优化，主要用于服务器嵌入式db的使用。我们平常使用db，是应用通过网络访问db中心，facebook为了减少这50微妙的网络延时而开发的优化的嵌入式db。改进点在于充分应用闪存的优势，利用多核服务器的特点，加快db的存取。其工作原理和leveldb类似。
Cassandra
java语言实现
来自 Apache 的分布式数据库，理论依据：Amazon Dynamo和Google Big Table论文
数据模型类似于hbase，是rowkey-列族-列 结构
单节点的读写原理跟leveldb类似，跟rocks不同的是，其只是原理类似，不是基于leveldb实现
也就是说Cassandra 类似于 leveldb集群。集群中的节点通过gossip协议协调，数据通过在节点间的冗余存储实现节点故障容忍。
hbase
java语言实现
来自于Apache的分布式数据库，理论依据：Google Big Table论文
hbase跟cassandra类似都是分布式数据库，数据模型也都是rowkey-列族-列，不过Cassandra采用gossip协议实现集群内通信和协调，较为负载，hbase采用zk作为集群信息协调，实现较为简单。并且提供强一致性。
其使用范围比Cassandra更广，在国内外更多的公司采用hbase
