持久化数据结构其实主要是针对内存数据的，以典型的Redis来说，持久化存储主要有三种方式：RDB: 保存某个时间点的全量数据快照。触发方式save: 阻塞Redis的服务器进程,直到RDB文件被创建完毕。
一、什么是持久化数据结构
持久化存储，其实主要是针对内存数据的，以典型的Redis来说，持久化存储主要有三种方式：
1、RDB
RDB: 保存某个时间点的全量数据快照
触发方式
1. save: 阻塞Redis的服务器进程,直到RDB文件被创建完毕
2. bgsave: fork出子进程来创建RDB文件,不阻塞服务器进程, lastsave 指令可以查看最近的备份时间
3. 根据redis.conf里的save m n配置定时触发(用的是BGSAVE)
4. 主从复制时,主节点自动触发
5. 执行debug relaod命令
6. 执行shutdown且没有开启AOF持久化
2、AOF
AOF: 增量存储命令
触发方式
1. BGREWRITEAOF: 增量追加命令
2. 根据redis.conf里的appendfsync配置定时触发
3. AOF文件重写
3、混合持久化
为解决AOF文件启动加载慢，不利于快速恢复的缺点，RedisV4.0提供了新的持久化方式——混合持久化。
混合持久化的文件内容: [RDB file][AOF tail]
持久化过程:
1. 将重写(rewrite)这一刻之前的数据做RDB快照处理
2. 将RDB快照内容和AOF增量命令先后写入新的AOF临时文件
3. 重写完成后,对AOF临时文件改名,并覆盖旧的AOF文件
在redis重启的时候，可以先加载RDB文件，然后再重放增量的AOF日志就可以完全替代之前的AOF全量文件重放，因此能大幅提高重启效率提高。
延伸阅读：
二、可持久化实际应用
1.几何计算
在几何计算中有许多离线算法，例如悬线扫描法，其基本策略是一次扫描后给出所有询问的回答，在时间复杂度分析相当优异。但在强迫在线的情况下，每次都要进行一次悬线扫描，询问操作的时间复杂度就从对数时间降为线性。
为了解决时间复杂度上的问题，在这里可以引入可持久化的思维。我们将扫描线的时间轴作为一个变动依据，持久化相关的结构，只要我们能将询问在对数时间内穿梭于这个时间轴，必能动态解决先前的问题。
2.字串处理
为了达到非常高效率的合并操作，防止大量重复性字串的生成伴随的效能退化，使得各方面的操作都能远低于线性操作。如C++中的rope就是一个可持久化的数据结构。不只是字串操作。若处理类型有大量重复操作，均可以考虑将数据结构进行可持久化处理，以达到压缩时间开支的效果。
3.版本回溯
实际上就是对应大部分的应用软体中的redo/undo。如果资料库/操作变动为了高效率操作而会配上复杂的结构（并不像 hash, set 反转操作只需要常数或对数时间），那么为了快速回推变动结果，持久化结构就是要减少 redo/undo 的花费。
资料库本身可以常数回推，纪录变动的部分情况即可。而应用层的计算，大部分实作都是砍掉快取，并且重新计算出一份新的结构，有时候回推的变动大小为 m，为了重新计算结构而消耗了 n + m n+mn+m，如果 n nn 和 m mm 的差距非常大，那连续回推的体感就很糟糕。
