redis探祕：選擇合適的數據結構，減小80%的內存佔用，這些點你get到了嗎？

redis做爲目前最流行的nosql緩存數據庫，憑藉其優異的性能、豐富的數據結構已成爲大部分場景下首選的緩存工具。

因爲redis是一個純內存的數據庫，在存放大量數據時，內存的佔用將會很是可觀。那麼在一些場景下，經過選用合適的數據結構來存儲，能夠大幅減小內存的佔用，甚至於能夠減小80%-99%的內存佔用。

利用zipList來替代大量的Key-Value

先來看一下場景，在Dsp廣告系統、海量用戶系統常常會碰到這樣的需求，要求根據用戶的某個惟一標識迅速查到該用戶的id。譬如根據mac地址或uuid或手機號的md5，去查詢到該用戶的id。

特色是數據量很大、千萬或億級別，key是比較長的字符串，如32位的md5或者uuid這種。

若是不加以處理，直接以key-value形式進行存儲，咱們能夠簡單測試一下，往redis裏插入1千萬條數據，1550000000 - 1559999999，形式就是key（md5（1550000000））→ value(1550000000)這種。

而後用info memory看一下內存佔用。

能夠看到，這1千萬條數據，佔用了redis共計1.17G的內存。當數據量變成1個億時，實測大約佔用8個G。

一樣的一批數據，咱們換一種存儲方式，先來看結果：

在咱們利用zipList後，內存佔用爲123M，大約減小了85%的空間佔用，這是怎麼作到的呢？咱們來從redis的底層存儲來剖析一下。

1 redis數據結構和編碼方式

2 redis如何存儲字符串

string是redis裏最經常使用的數據結構，redis的默認字符串和C語言的字符串不一樣，它是本身構建了一種名爲「簡單動態字符串SDS」的抽象類型。

具體到string的底層存儲，redis共用了三種方式，分別是int、embstr和raw。

譬如set k1 abc和set k2 123就會分別用embstr、int。當value的長度大於44（或39，不一樣版本不同）個字節時，會採用raw。

int是一種定長的結構，佔8個字節（注意，至關於java裏的long），只能用來存儲長整形。

embstr是動態擴容的，每次擴容1倍，超過1M時，每次只擴容1M。

raw用來存儲大於44個字節的字符串。

具體到咱們的案例中，key是32個字節的字符串（embstr），value是一個長整形（int），因此若是能將32位的md5變成int，那麼在key的存儲上就能夠直接減小3/4的內存佔用。

這是第一個優化點。

3 redis如何存儲Hash

從1.1的圖上咱們能夠看到Hash數據結構，在編碼方式上有兩種，1是hashTable，2是zipList。

hashTable你們很熟悉，和java裏的hashMap很像，都是數組+鏈表的方式。java裏hashmap爲了減小hash衝突，設置了負載因子爲0.75。一樣，redis的hash也有相似的擴容負載因子。細節不提，只須要留個印象，用hashTable編碼的話，則會花費至少大於存儲的數據25%的空間才能存下這些數據。它大概長這樣：

zipList，壓縮鏈表，它大概長這樣：

能夠看到，zipList最大的特色就是，它根本不是hash結構，而是一個比較長的字符串，將key-value都按順序依次擺放到一個長長的字符串裏來存儲。若是要找某個key的話，就直接遍歷整個長字符串就行了。

因此很明顯，zipList要比hashTable佔用少的多的空間。可是會耗費更多的cpu來進行查詢。

那麼什麼時候用hashTable、zipList呢？在redis.conf文件中能夠找到：

就是當這個hash結構的內層field-value數量不超過512，而且value的字節數不超過64時，就使用zipList。

經過實測，value數量在512時，性能和單純的hashTable幾乎無差異，在value數量不超過1024時，性能僅有極小的下降，不少時候能夠忽略掉。

而內存佔用，zipList可比hashTable下降了極多。

這是第二個優化點。

4 用zipList來代替key-value

經過上面的知識，咱們得出了兩個結論。用int做爲key，會比string省不少空間。用hash中的zipList，會比key-value省巨大的空間。

那麼咱們就來改造一下當初的1千萬個key-value。

第一步：

咱們要將1千萬個鍵值對，放到N個bucket中，每一個bucket是一個redis的hash數據結構，而且要讓每一個bucket內不超過默認的512個元素（若是改了配置文件，如1024，則不能超過修改後的值），以免hash將編碼方式從zipList變成hashTable。

1千萬 / 512 = 19531。因爲未來要將全部的key進行哈希算法，來儘可能均攤到全部bucket裏，但因爲哈希函數的不肯定性，未必能徹底平均分配。因此咱們要預留一些空間，譬如我分配25000個bucket，或30000個bucket。

第二步：

選用哈希算法，決定將key放到哪一個bucket。這裏咱們採用高效並且均衡的知名算法crc32，該哈希算法能夠將一個字符串變成一個long型的數字，經過獲取這個md5型的key的crc32後，再對bucket的數量進行取餘，就能夠肯定該key要被放到哪一個bucket中。

第三步：

經過第二步，咱們肯定了key即將存放在的redis裏hash結構的外層key，對於內層field，咱們就選用另外一個hash算法，以免兩個徹底不一樣的值，經過crc32（key） % COUNT後，發生field再次相同，產生hash衝突致使值被覆蓋的狀況。內層field咱們選用bkdr哈希算法（或直接選用Java的hashCode），該算法也會獲得一個long整形的數字。value的存儲保持不變。

第四步：

裝入數據。原來的數據結構是key-value，0eac261f1c2d21e0bfdbd567bb270a68 → 1550000000。

如今的數據結構是hash，key爲14523，field是1927144074，value是1550000000。

經過實測，將1千萬數據存入25000個bucket後，總體hash比較均衡，每一個bucket下大概有300多個field-value鍵值對。理論上只要不發生兩次hash算法後，均產生相同的值，那麼就能夠徹底依靠key-field來找到原始的value。這一點能夠經過計算總量進行確認。實際上，在bucket數量較多時，且每一個bucket下，value數量不是不少，發生連續碰撞機率極低，實測在存儲50億個手機號狀況下，未發生明顯碰撞。

測試查詢速度：

在存儲完這1千萬個數據後，咱們進行了查詢測試，採用key-value型和hash型，分別查詢100萬條數據，看一下對查詢速度的影響。

key-value耗時：1065三、10790、1131八、9900、11270、11029毫秒

hash-field耗時：1204二、1134九、1112六、1135五、11168毫秒。

能夠看到，總體上採用hash存儲後，查詢100萬條耗時，也僅僅增長了500毫秒不到。對性能的影響極其微小。但內存佔用從1.1G變成了120M，帶來了接近90%的內存節省。

總結

大量的key-value，佔用過多的key，redis裏爲了處理hash碰撞，須要佔用更多的空間來存儲這些key-value數據。

若是key的長短不一，譬若有些40位，有些10位，由於對齊問題，那麼將產生巨大的內存碎片，佔用空間狀況更爲嚴重。因此，保持key的長度統一（譬如統一採用int型，定長8個字節），也會對內存佔用有幫助。

string型的md5，佔用了32個字節。而經過hash算法後，將32降到了8個字節的長整形，這顯著下降了key的空間佔用。

zipList比hashTable明顯減小了內存佔用，它的存儲很是緊湊，對查詢效率影響也很小。因此應善於利用zipList，避免在hash結構裏，存放超過512個field-value元素。

若是value是字符串、對象等，應儘可能採用byte[]來存儲，一樣能夠大幅下降內存佔用。譬如能夠選用google的Snappy壓縮算法，將字符串轉爲byte[]，很是高效，壓縮率也很高。

爲減小redis對字符串的預分配和擴容（每次翻倍），形成內存碎片，不該該使用append，setrange等。而是直接用set，替換原來的。

方案缺點：

hash結構不支持對單個field的超時設置。但能夠經過代碼來控制刪除，對於那些不須要超時的長期存放的數據，則沒有這種顧慮。

存在較小的hash衝突機率，對於對數據要求極其精確的場合，不適合用這種壓縮方式。

基於上述方案，我改寫了springboot源碼的redisTemplate，提供了一個CompressRedisTemplate類，能夠直接當成redisTemplate使用，它會自動將key-value轉爲hash進行存儲，以達到上述目的。

後續，咱們會基於更極端一些的場景，如統計獨立訪客等，來看一下redis的不常見的數據結構，是如何將內存佔用由20G下降到5M。

歡迎關注公衆號 【碼農開花】一塊兒學習成長 我會一直分享Java乾貨，也會分享免費的學習資料課程和麪試寶典 回覆：【計算機】【設計模式】【面試】有驚喜哦