传统关系型数据库（Relational Database,RDB）因其稳定可靠和操作统一规范等优点一直以来都是信息数据最主要的存储介质。而云计算和人工智能等新技术的广泛使用催生了大量非结构化数据,这些呈指数级增长的数据对关系型数据库的存储和计算性能提出了新的挑战。在频繁读写的高并发场景下关系型数据库会出现因I/O瓶颈导致访问效率低和高异常率等问题。通过高效的内存访问技术降低与磁盘的交互频率来提升数据库系统实时响应能力是解决关系型磁盘数据库I/O读写瓶颈的有效方案。目前虽然业界推出了关系型内存数据库和内存引擎方案,但存在系统繁重、配置复杂、商业使用限制等问题。随着No SQL的发展,在数据库层面使用缓存技术实现读写分离,减少文件系统I/O次数是目前被广泛应用的提升数据库系统实时响应能力的方案,但会存在数据一致性、缓存穿透和缓存雪崩等问题。基于上述背景,本文从数据存储和数据访问角度研究开源技术,在缓存式方案的基础上提出一种轻量级全量式（含数据、关系和约束）内存化方案。该方案对数据转换、数据操作和数据备份三方面进行研究,利用Redis的读写优势对关系型数据库（以My SQL为例）进行内存化。并使用Spring Cloud技术搭建了全量式内存化微服务平台,并将内存化方案应用于实际工程。首先,本文分析了My SQL和Redis的存储模型,构建出三种不同的存储转换模式（ORB-KVM、ARB-KVM和PCB-KVCM）实现关系模型到键值模型的转换,存储转换模式中包括对数据、关系和约束的转换,并结合数据分页、多线程和Redis批量命令技术实现数据库快速批量迁移。其次,本文针对内存化到Redis中的数据设计了标准SQL访问中间件,利用Java Stream流技术和Redis的数据结构特性对Redis原生接口进行扩展与封装。同时实现了基于数据日志文件将Redis中的数据备份到My SQL。最后,对比分析三种存储转换模式在数据库迁移过程中的迁移时间和内存占用,将全量式内存化方案应用于工程实践,并将全量式内存化方案与缓存式方案和My SQL存储方案进行实验对比。实验结果表明全量式内存化方案响应时间是缓存式方案的1/4-1/2,是My SQL存储方案的1/7-1/3,同时异常率最低且吞吐量最高。