選擇合適Redis數據結構，減少80%的內存占用

 前言

redis作為目前最流行的nosql緩存數據庫，憑借其優異的性能、豐富的數據結構已成為大部分場景下首選的緩存工具。

由于redis是一個純內存的數據庫，在存放大量數據時，內存的占用將會非常可觀。那么在一些場景下，通過選用合適數據結

構來存儲，可以大幅減少內存的占用，甚至于可以減少80%-99%的內存占用。

 利用zipList來替代大量的Key-Value

先來看一下場景，在Dsp廣告系統、海量用戶系統經常會碰到這樣的需求，要求根據用戶的某個唯一標識迅速查到該用戶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。

特點是數據量很大、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。

如果不加以處理，直接以key-value形式進行存儲，我們可以簡單測試一下，往redis里插入1千萬條數據，1550000000 - 155

9999999，形式就是key（md5（1550000000））→ value(1550000000)這種。

然后在Redis內用命令info memory看一下內存占用。

可以看到，這1千萬條數據，占用了redis共計1.17G的內存。當數據量變成1個億時，實測大約占用8個G。

同樣的一批數據，我們換一種存儲方式，先來看結果：

在我們利用zipList后，內存占用為123M，大約減少了85%的空間占用，這是怎么做到的呢？

 redis的底層存儲來剖析。

redis數據結構和編碼方式

redis如何存儲字符串

string是redis里最常用的數據結構，redis的默認字符串和C語言的字符串不同，它是自己構建了一種名為“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的長度大于44（或39，不同版本不一樣）個字節時，會采用

raw。

int是一種定長的結構，占8個字節（注意，相當于java里的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用來存儲大于44個字節的字符串。

具體到我們的案例中，key是32個字節的字符串（embstr），value是一個長整形（int），所以如果能將32位的md5變成int，

那么在key的存儲上就可以直接減少3/4的內存占用。

這是第一個優化點。

redis如何存儲Hash

從1.1的圖上我們可以看到Hash數據結構，在編碼方式上有兩種，1是hashTable，2是zipList。

hashTable大家很熟悉，和java里的hashMap很像，都是數組+鏈表的方式。java里hashmap為了減少hash沖突，設置了負載

因子為0.75。同樣，redis的hash也有類似的擴容負載因子。細節不提，只需要留個印象，用hashTable編碼的話，則會花費至

少大于存儲的數據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：

可以看到，zipList最大的特點就是，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

長長的字符串里來存儲。如果要找某個key的話，就直接遍歷整個長字符串就好了。

所以很明顯，zipList要比hashTable占用少的多的空間。但是會耗費更多的cpu來進行查詢。

那么何時用hashTable、zipList呢？在redis.conf文件中可以找到：

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

通過實測，value數量在512時，性能和單純的hashTable幾乎無差別，在value數量不超過1024時，性能僅有極小的降低，很

多時候可以忽略掉。

而內存占用，zipList可比hashTable降低了極多。

這是第二個優化點。

用zipList來代替key-value

通過上面的知識，我們得出了兩個結論。用int作為key，會比string省很多空間。用hash中的zipList，會比key-value省巨大

的空間。

那么我們就來改造一下當初的1千萬個key-value。

第一步：

我們要將1千萬個鍵值對，放到N個bucket中，每個bucket是一個redis的hash數據結構，并且要讓每個bucket內不超過默認

的512個元素（如果改了配置文件，如1024，則不能超過修改后的值），以避免hash將編碼方式從zipList變成hashTable。

1千萬 / 512 = 19531。由于將來要將所有的key進行哈希算法，來盡量均攤到所有bucket里，但由于哈希函數的不確定性，

未必能完全平均分配。所以我們要預留一些空間，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放到哪個bucket。這里我們采用高效而且均衡的知名算法crc32，該哈希算法可以將一個字符串變成

一個long型的數字，通過獲取這個md5型的key的crc32后，再對bucket的數量進行取余，就可以確定該key要被放到哪個

bucket中。

第三步：

通過第二步，我們確定了key即將存放在的redis里hash結構的外層key，對于內層field，我們就選用另一個hash算法，以避免

兩個完全不同的值，通過crc32（key） % COUNT后，發生field再次相同，產生hash沖突導致值被覆蓋的情況。內層field我

們選用bkdr哈希算法（或直接選用Java的hashCode），該算法也會得到一個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。

現在的數據結構是hash，key為14523，field是1927144074，value是1550000000。

通過實測，將1千萬數據存入25000個bucket后，整體hash比較均衡，每個bucket下大概有300多個field-value鍵值對。理論

上只要不發生兩次hash算法后，均產生相同的值，那么就可以完全依靠key-field來找到原始的value。這一點可以通過計算總

量進行確認。實際上，在bucket數量較多時，且每個bucket下，value數量不是很多，發生連續碰撞概率極低，實測在存儲

50億個手機號情況下，未發生明顯碰撞。

測試查詢速度：

在存儲完這1千萬個數據后，我們進行了查詢測試，采用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：10653、10790、11318、9900、11270、11029毫秒

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

可以看到，整體上采用hash存儲后，查詢100萬條耗時，也僅僅增加了500毫秒不到。對性能的影響極其微小。但內存占用從

1.1G變成了120M，帶來了接近90%的內存節省。

 總結

大量的key-value，占用過多的key，redis里為了處理hash碰撞，需要占用更多的空間來存儲這些key-value數據。

如果key的長短不一，譬如有些40位，有些10位，因為對齊問題，那么將產生巨大的內存碎片，占用空間情況更為嚴重。所以

，保持key的長度統一（譬如統一采用int型，定長8個字節），也會對內存占用有幫助。

string型的md5，占用了32個字節。而通過hash算法后，將32降到了8個字節的長整形，這顯著降低了key的空間占用。

zipList比hashTable明顯減少了內存占用，它的存儲非常緊湊，對查詢效率影響也很小。所以應善于利用zipList，避免在

hash結構里，存放超過512個field-value元素。

如果value是字符串、對象等，應盡量采用byte[]來存儲，同樣可以大幅降低內存占用。譬如可以選用google的Snappy壓縮算

法，將字符串轉為byte[]，非常高效，壓縮率也很高。

為減少redis對字符串的預分配和擴容（每次翻倍），造成內存碎片，不應該使用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。但可以通過代碼來控制刪除，對于那些不需要超時的長期存放的數據，則沒有這種

顧慮。

存在較小的hash沖突概率，對于對數據要求極其精確的場合，不適合用這種壓縮方式。

基于上述方案，我改寫了springboot源碼的redisTemplate，提供了一個CompressRedisTemplate類，可以直接當成

redisTemplate使用，它會自動將key-value轉為hash進行存儲，以達到上述目的。

后續，我們會基于更極端一些的場景，如統計獨立訪客等，來看一下redis的不常見的數據結構，是如何將內存占用由20G降低

到5M。