String 与 Hash：基础数据结构

String 类型底层：SDS 动态字符串

Redis 的 String 不是 C 语言的裸字符串，而是自研的 SDS（Simple Dynamic String）。理解 SDS 的设计能帮助你写出内存友好的 Redis 使用方式。

SDS 的核心优势：

• O(1) 获取长度：直接读 len 字段，无需遍历
• 空间预分配：扩容时分配额外空间（<1MB 则翻倍，>1MB 则多分配 1MB），减少重分配次数
• 惰性空间释放：缩短字符串时不立即释放内存，下次扩容时复用
• 二进制安全：len 记录长度，中间可有 \0，可存储任意二进制数据（图片、序列化对象）

String 的三种编码

# 验证编码类型
127.0.0.1:6379> SET age 25
OK
127.0.0.1:6379> OBJECT ENCODING age
"int"

127.0.0.1:6379> SET name "Redis"
OK
127.0.0.1:6379> OBJECT ENCODING name
"embstr"

127.0.0.1:6379> SET longstr "这是一个超过44字节的长字符串，用于测试raw编码"
OK
127.0.0.1:6379> OBJECT ENCODING longstr
"raw"

String 命令速查表

Hash 类型：存储对象的利器

Hash 类型相当于 Java 的 HashMap 或 Python 的 dict，非常适合存储对象（如用户信息、商品属性）。与将整个对象序列化为 String 相比，Hash 的优势在于可以单独读写某个字段，无需反序列化整个对象。

Hash 底层编码：listpack vs hashtable

触发从 listpack 切换到 hashtable 的条件（可通过配置调整）：

• Hash 中的字段数量超过 hash-max-listpack-entries（默认 128）
• 任意字段名或字段值的长度超过 hash-max-listpack-value（默认 64 字节）

Hash 命令速查表

实战：用户信息存储

以电商平台的用户信息为例，比较两种存储方案的优劣：

# 存储
SET user:1001 '{"name":"张三","age":25,"email":"zs@example.com"}'
# 读取整个对象才能修改 age
# 每次更新需序列化整个对象

# 存储
HSET user:1001 name "张三" age 25 email "zs@example.com"
# 直接更新单个字段
HINCRBY user:1001 age 1
HGET user:1001 name

import redis
from dataclasses import dataclass, asdict
from typing import Optional

r = redis.Redis(host='localhost', port=6379, decode_responses=True)

@dataclass
class User:
    uid: int
    name: str
    age: int
    email: str
    score: float = 0.0

def save_user(user: User) -> None:
    key = f"user:{user.uid}"
    data = {k: str(v) for k, v in asdict(user).items()}
    r.hset(key, mapping=data)
    r.expire(key, 86400)  # 24小时过期

def get_user(uid: int) -> Optional[User]:
    key = f"user:{uid}"
    data = r.hgetall(key)
    if not data:
        return None
    return User(
        uid=int(data['uid']),
        name=data['name'],
        age=int(data['age']),
        email=data['email'],
        score=float(data['score'])
    )

def increment_score(uid: int, delta: float) -> float:
    # 直接操作单个字段，无需读取整个对象
    return float(r.hincrbyfloat(f"user:{uid}", 'score', delta))

# 使用示例
save_user(User(uid=1001, name="张三", age=25, email="zs@example.com"))
user = get_user(1001)
print(user.name)  # 张三
new_score = increment_score(1001, 10.5)
print(new_score)  # 10.5

计数器模式：INCR 的原子性

INCR 命令是原子操作，在高并发场景（如文章阅读数、点赞数）中，无需担心竞态条件：

# 文章阅读计数（即使万人并发，结果也绝对准确）
INCR article:1001:views
# 用户登录失败计数（防暴力破解）
INCR login:fail:user1001
EXPIRE login:fail:user1001 300  # 5分钟后重置

# 分布式 ID 生成器
INCR global:order:id   # 每次自增生成唯一订单ID

String 的高级应用：位图（Bitmap）

String 类型的每个字节可以被当作位（bit）操作，这使得 Redis 可以用极小的内存实现用户签到、UV 统计等功能。1亿用户的年签到记录只需约 4.4 MB 内存。

# 用户签到：key = sign:{uid}:{year-month}，offset = 日期（0-30）
# SETBIT key offset value
SETBIT sign:1001:2024-12 0  1   # 12月1日签到
SETBIT sign:1001:2024-12 1  1   # 12月2日签到
SETBIT sign:1001:2024-12 5  1   # 12月6日签到

# 查询某天是否签到
GETBIT sign:1001:2024-12 0        # 1
GETBIT sign:1001:2024-12 3        # 0（12月4日未签到）

# 统计本月签到天数
BITCOUNT sign:1001:2024-12        # 3

# 获取连续签到 / 第一次未签到的位置
BITPOS sign:1001:2024-12 0        # 第一个未签到的日期（从第0位开始找0）

Hash 的最佳实践：小 Hash 节省内存

当 Hash 的字段数量少于 hash-max-listpack-entries（默认 128）时，Redis 使用 listpack 紧凑编码，内存占用比 hashtable 少 60% 以上。可以利用这一特性设计"分桶 Hash"来存储大量小对象：

# 问题：存储 100 万个用户信息
# 方案1：每个用户独立 String key（100万个key，元数据开销大）
# SET user:1 "{...}" SET user:2 "{...}" ... × 100万

# 方案2：分桶 Hash（将 uid 按 100 分桶，每桶最多 100 个用户）
# key 格式：users:{uid // 100}，field：uid % 100
HSET users:0    0 '{"name":"张三"}'   # uid=0
HSET users:0    1 '{"name":"李四"}'   # uid=1
HSET users:0   99 '{"name":"王五"}'   # uid=99
HSET users:1    0 '{"name":"赵六"}'   # uid=100
# 每个 Hash 不超过 100 字段，始终保持 listpack 编码
# 内存节省约 50%，但需要在应用层计算分桶 key