如何高效存储海量GPS数据
GPS数据使用越来越广，但如何高性能存储海量GPS数据仍然具有挑战，本文会介绍一种非常适合存储GPS数据的存储系统：阿里云NoSQL数据库TableStore，同时会介绍多个不同场景的技术方案。
Redis内存分析方法
线上经常遇到用户想知道自己Redis实例内存使用情况，质疑内存占用量太高。为了不影响线上实例的使用，我们一般会采用bgsave生成dump.rdb文件，再结合redis-rdb-tools和sqlite来进行静态分析。
现代IM系统中的消息系统架构 - 实现篇
序
消息类场景是表格存储（Tablestore）主推的方向之一，因其数据存储结构在消息类数据存储上具有天然优势。为了方便用户基于Tablestore为消息类场景建模，Tablestore封装Timeline模型，旨在让用户更快捷的实现消息类场景需求。
阿里云redis大key搜索工具
Redis提供了list、hash、zset等复杂类型的数据结构，业务在使用的时候可能由于key设计不合理导致某个key过大，由于redis简单的单线程模型，业务在获取或者删除大key的时候都会有一定的影响，另外在集群模式下由于大key的产生还很容易导致某个子节点的内存满，综上所述我们需要提供大key的搜索工具。
Redis数据过期和淘汰策略详解
背景
Redis作为一个高性能的内存NoSQL数据库，其容量受到最大内存限制的限制。
用户在使用阿里云Redis时，除了对性能，稳定性有很高的要求外，对内存占用也比较敏感。在使用过程中，有些用户会觉得自己的线上实例内存占用比自己预想的要大。
TableStore Timeline：轻松构建千万级IM和Feed流系统
在文章《现代IM系统中消息推送和存储架构的实现》中介绍了一种适用于IM的消息存储和推送模型Timeline，在本篇文章中，会扩展Timeline模型到IM和Feed流系统中，并且提供成熟的LIB实现。用户基于TableStore-Timeline LIB可轻松实现千万级的IM和Feed流系统。
MongoDB复制集原理
复制集简介
Mongodb复制集由一组Mongod实例（进程）组成，包含一个Primary节点和多个Secondary节点，Mongodb Driver（客户端）的所有数据都写入Primary，Secondary从Primary同步写入的数据，以保持复制集内所有成员存储相同的数据集，提供数据的高可
再谈全局网HBase八大应用场景
HBase可以说是一个数据库，也可以说是一个存储。拥有双重属性的HBase天生就具备广阔的应用场景。在2.0中，引入了OffHeap降低了延迟，可以满足在线的需求。引入MOB，可以存储10M左右的对象，完全适应了对象存储。另外由于自身的并发能力、存储能力，可以说是具有最为竞争力的引擎