redis作为目前最风行的nosql缓存数据库，凭借其优异的性能、丰盛的数据结构已成为大部分场景下首选的缓存工具。

因为redis是一个纯内存的数据库，在寄存大量数据时，内存的占用将会十分可观。那么在一些场景下，通过选用适合的数据结构来存储，能够大幅缩小内存的占用，甚至于能够缩小80%-99%的内存占用。

利用zipList来代替大量的Key-Value

先来看一下场景，在Dsp广告零碎、海量用户零碎常常会碰到这样的需要，要求依据用户的某个惟一标识迅速查到该用户的id。譬如依据mac地址或uuid或手机号的md5，去查问到该用户的id。

特点是数据量很大、千万或亿级别，key是比拟长的字符串，如32位的md5或者uuid这种。

如果不加以解决，间接以key-value模式进行存储，咱们能够简略测试一下，往redis里插入1千万条数据，1550000000 - 1559999999，模式就是key（md5（1550000000））→ value(1550000000)这种。

而后用info memory看一下内存占用。

能够看到，这1千万条数据，占用了redis共计1.17G的内存。当数据量变成1个亿时，实测大概占用8个G。

同样的一批数据，咱们换一种存储形式，先来看后果：

在咱们利用zipList后，内存占用为123M，大概缩小了85%的空间占用，这是怎么做到的呢？咱们来从redis的底层存储来分析一下。

1 redis数据结构和编码方式

2 redis如何存储字符串

string是redis里最罕用的数据结构，redis的默认字符串和C语言的字符串不同，它是本人构建了一种名为“简略动静字符串SDS”的形象类型。

具体到string的底层存储，redis共用了三种形式，别离是int、embstr和raw。

譬如set k1 abc和set k2 123就会别离用embstr、int。当value的长度大于44（或39，不同版本不一样）个字节时，会采纳raw。

int是一种定长的构造，占8个字节（留神，相当于java里的long），只能用来存储长整形。

embstr是动静扩容的，每次扩容1倍，超过1M时，每次只扩容1M。

raw用来存储大于44个字节的字符串。

具体到咱们的案例中，key是32个字节的字符串（embstr），value是一个长整形（int），所以如果能将32位的md5变成int，那么在key的存储上就能够间接缩小3/4的内存占用。

这是第一个优化点。

3 redis如何存储Hash

从1.1的图上咱们能够看到Hash数据结构，在编码方式上有两种，1是hashTable，2是zipList。

hashTable大家很相熟，和java里的hashMap很像，都是数组+链表的形式。java里hashmap为了缩小hash抵触，设置了负载因子为0.75。同样，redis的hash也有相似的扩容负载因子。细节不提，只须要留个印象，用hashTable编码的话，则会破费至多大于存储的数据25%的空间能力存下这些数据。它大略长这样：

zipList，压缩链表，它大略长这样：

能够看到，zipList最大的特点就是，它基本不是hash构造，而是一个比拟长的字符串，将key-value都按程序顺次摆放到一个长长的字符串里来存储。如果要找某个key的话，就间接遍历整个长字符串就好了。

所以很显著，zipList要比hashTable占用少的多的空间。然而会消耗更多的cpu来进行查问。

那么何时用hashTable、zipList呢？在redis.conf文件中能够找到：

就是当这个hash构造的内层field-value数量不超过512，并且value的字节数不超过64时，就应用zipList。

通过实测，value数量在512时，性能和单纯的hashTable简直无差别，在value数量不超过1024时，性能仅有极小的升高，很多时候能够疏忽掉。

而内存占用，zipList可比hashTable升高了极多。

这是第二个优化点。

4 用zipList来代替key-value

通过下面的常识，咱们得出了两个论断。用int作为key，会比string省很多空间。用hash中的zipList，会比key-value省微小的空间。

那么咱们就来革新一下当初的1千万个key-value。

第一步：

咱们要将1千万个键值对，放到N个bucket中，每个bucket是一个redis的hash数据结构，并且要让每个bucket内不超过默认的512个元素（如果改了配置文件，如1024，则不能超过批改后的值），以防止hash将编码方式从zipList变成hashTable。

1千万 / 512 = 19531。因为未来要将所有的key进行哈希算法，来尽量均摊到所有bucket里，但因为哈希函数的不确定性，未必能齐全平均分配。所以咱们要预留一些空间，譬如我调配25000个bucket，或30000个bucket。

第二步：

选用哈希算法，决定将key放到哪个bucket。这里咱们采纳高效而且平衡的出名算法crc32，该哈希算法能够将一个字符串变成一个long型的数字，通过获取这个md5型的key的crc32后，再对bucket的数量进行取余，就能够确定该key要被放到哪个bucket中。

第三步：

通过第二步，咱们确定了key行将寄存在的redis里hash构造的外层key，对于内层field，咱们就选用另一个hash算法，以防止两个齐全不同的值，通过crc32（key） % COUNT后，产生field再次雷同，产生hash抵触导致值被笼罩的状况。内层field咱们选用bkdr哈希算法（或间接选用Java的hashCode），该算法也会失去一个long整形的数字。value的存储放弃不变。

第四步：

装入数据。原来的数据结构是key-value，0eac261f1c2d21e0bfdbd567bb270a68 → 1550000000。

当初的数据结构是hash，key为14523，field是1927144074，value是1550000000。

通过实测，将1千万数据存入25000个bucket后，整体hash比拟平衡，每个bucket下大略有300多个field-value键值对。实践上只有不产生两次hash算法后，均产生雷同的值，那么就能够齐全依附key-field来找到原始的value。这一点能够通过计算总量进行确认。实际上，在bucket数量较多时，且每个bucket下，value数量不是很多，产生间断碰撞概率极低，实测在存储50亿个手机号状况下，未产生显著碰撞。

测试查问速度：

在存储完这1千万个数据后，咱们进行了查问测试，采纳key-value型和hash型，别离查问100万条数据，看一下对查问速度的影响。

key-value耗时：10653、10790、11318、9900、11270、11029毫秒

hash-field耗时：12042、11349、11126、11355、11168毫秒。

能够看到，整体上采纳hash存储后，查问100万条耗时，也仅仅减少了500毫秒不到。对性能的影响极其渺小。但内存占用从1.1G变成了120M，带来了靠近90%的内存节俭。

总结

大量的key-value，占用过多的key，redis里为了解决hash碰撞，须要占用更多的空间来存储这些key-value数据。

如果key的长短不一，譬如有些40位，有些10位，因为对齐问题，那么将产生微小的内存碎片，占用空间状况更为严重。所以，放弃key的长度对立（譬如对立采纳int型，定长8个字节），也会对内存占用有帮忙。

string型的md5，占用了32个字节。而通过hash算法后，将32降到了8个字节的长整形，这显著升高了key的空间占用。

zipList比hashTable显著缩小了内存占用，它的存储十分紧凑，对查问效率影响也很小。所以应长于利用zipList，防止在hash构造里，寄存超过512个field-value元素。

如果value是字符串、对象等，应尽量采纳byte[]来存储，同样能够大幅升高内存占用。譬如能够选用google的Snappy压缩算法，将字符串转为byte[]，十分高效，压缩率也很高。

为缩小redis对字符串的预调配和扩容（每次翻倍），造成内存碎片，不应该应用append，setrange等。而是间接用set，替换原来的。

计划毛病：

hash构造不反对对单个field的超时设置。但能够通过代码来管制删除，对于那些不须要超时的长期寄存的数据，则没有这种顾虑。

存在较小的hash抵触概率，对于对数据要求极其准确的场合，不适宜用这种压缩形式。

基于上述计划，我改写了springboot源码的redisTemplate，提供了一个CompressRedisTemplate类，能够间接当成redisTemplate应用，它会主动将key-value转为hash进行存储，以达到上述目标。

后续，咱们会基于更极其一些的场景，如统计独立访客等，来看一下redis的不常见的数据结构，是如何将内存占用由20G升高到5M。

欢送关注公众号 【码农开花】一起学习成长
我会始终分享Java干货，也会分享收费的学习材料课程和面试宝典
回复：【计算机】【设计模式】【面试】有惊喜哦