引言
你是否在工作中遇到过Redis的bigkey导致的内存占用严重、查询耗时大大增加？
同时bigKey还可能导致Redis实例的崩溃，因为内存不够用了，Redis就会不堪重负，像是被大象坐了一样，瞬间崩溃！
所以，大家在使用Redis的时候一定要小心，Redis内存是十分宝贵的资源，我们在使用时，要特别注意对内存资源的合理应用。
下面带大家了解下Redis极大节省内存空间的10个实用技巧。
正文
什么是bigkey
在面试过程中，发现很多人都对bigkey的概念搞错了，认为bigkey是一个key比较大的存储对象。
其实不是的，我们不能用英文直译的方式来理解它。所以这里还是给大家科普下：
bigkey，其实就是Redis中占用大量内存空间的键，具体来说，就是那些因为存储了大量数据，或者单个数据项太大，导致内存占用严重的键。
简单点来说：就是这个redis的某个键（key）存了太多的数据，占用了太多的内存
Redis节省内存的方式就是合理的运用Redis的数据结构，减少redis的bigkey的产生， 以及做好内存的清理和淘汰策略。
最近无意间获得一份阿里大佬写的刷题笔记，一下子打通了我的任督二脉，进大厂原来没那么难。 这是大佬写的， 7701页的BAT大佬写的刷题笔记，让我offer拿到手软
1、使用Hash数据结构
Hash是Redis提供的一种非常灵活的数据结构，可以存储键值对的集合。 如果我们存储对象类型的数据，建议使用Hsah
假设我们有一个电商网站，需要存储商品的信息，比如商品名称、类目、属性等，这时候就可以用Hash数据结构来存储，一个商品对应一个Hash。
// 使用Hash存储商品信息
String userId = "product:1001";
jedis.hset(userId, "productName", "xxxx");
jedis.hset(userId, "category", "手机");
jedis.hset(userId, "prop", "xxx");
2、使用压缩列表优化小规模列表
当你需要存储的列表元素数量不多时，Redis会自动使用压缩列表来存储，这样可以节省内存空间。
比如在一个论坛系统中，用户发布了一篇文章，我们可以用列表来存储文章的评论，而且这篇文章评论不多的话，就可以充分利用压缩列表的优势。
// 使用压缩列表存储文章评论
String articleId = "article:2001";
jedis.lpush(articleId + ":comments", "评论1", "评论2", "评论3");
3、使用Bitmaps存储布尔值信息
Bitmaps是一种非常紧凑的数据结构，适合存储布尔值信息。
在我们平时开发过程中，会有一些 bool 型数据需要存取，比如用户一年的签到记录，签了是 1，没签是 0，要记录 365 天。如果使用普通的 key/value，每个用户要记录 365 个，当用户上亿的时候，需要的存储空间是惊人的。
为了解决这个问题，Redis 提供了位图数据结构，这样每天的签到记录只占据一个位，365 天就是 365 个位，46 个字节 (一个稍长一点的字符串) 就可以完全容纳下，这就大大节约了存储空间。
// 使用Bitmaps存储用户签到情况
String userId = "user:1001";
int day = 10; // 签到的天数，从0开始计算
jedis.setbit("sign_in:" + day, Long.parseLong(userId), true);
4、使用ZSET存储有序集合
ZSET是Redis中的有序集合数据结构，可以按照指定的分数进行排序。
比如在一个新闻网站中，我们可以使用ZSET来存储新闻文章的阅读量排行榜，分数表示阅读量，文章ID作为成员。
// 使用ZSET存储文章阅读量排行榜
String articleId = "article:3001";
jedis.zadd("article:views", 1000, articleId);
5、使用SET存储唯一值
SET数据结构适合存储唯一值，比如用户的喜好标签、商品的标签等。
在一个电商平台中，我们可以使用SET来存储商品的标签，确保每个标签都是唯一的。
// 使用SET存储商品标签
String productId = "product:5001";
jedis.sadd(productId + ":tags", "电子产品", "数码设备", "智能家居");
6、使用HyperLogLog进行基数统计
HyperLogLog是一种用于统计不重复元素数量的算法，在统计网站的UV（独立访客）数量时非常有用。 比如：
如果你负责开发维护一个大型的网站，有一天老板找产品经理要网站每个网页每天的 UV 数据，然后让你来开发这个统计模块，你会如何实现？
如果统计 PV 那非常好办，给每个网页一个独立的 Redis 计数器就可以了，这个计数器的 key 后缀加上当天的日期。这样来一个请求，incrby 一次，最终就可以统计出所有的 PV 数据。
但是 UV 不一样，它要去重，同一个用户一天之内的多次访问请求只能计数一次。这就要求每一个网页请求都需要带上用户的 ID，无论是登陆用户还是未登陆用户都需要一个唯一 ID 来标识。
这时候就可以引入HyperLogLog， HyperLogLog 数据结构就是用来解决这种统计问题的。
HyperLogLog 提供不精确的去重计数方案，虽然不精确但是也不是非常不精确，标准误差是 0.81%，这样的精确度已经可以满足上面的 UV 统计需求了,又大量节省了内存
HyperLogLog 实现中用到的是 16384 个桶，也就是 2^14，每个桶的 maxbits 需要 6 个 bits 来存储，最大可以表示 maxbits=63，于是总共占用内存就是2^14 * 6 / 8 = 12k字节。
// 使用HyperLogLog统计网站UV
String today = "2024-04-23";
String userId = "user:1001";
jedis.pfadd("uv:" + today, userId);
7、使用String存储序列化的数据
虽然Redis提供了丰富的数据结构，但有时候我们仍然需要将复杂的数据结构序列化为字符串存储。
比如在一个微博系统中，我们可以将用户的微博对象序列化为JSON字符串，然后存储到Redis中。
// 使用String存储序列化后的用户微博对象
UserPost userPost = new UserPost("user:1001", "今天天气真好！", new Date());
String userPostJson = objectMapper.writeValueAsString(userPost);
jedis.set("user:1001:post:1", userPostJson);
8、使用Pipeline批量操作命令
Pipeline是一种批量操作命令的机制，可以减少网络通信开销，提高操作效率。
在需要进行大量操作时，使用Pipeline可以有效节省内存空间和提升性能。
//使用Pipeline批量设置键值对
Pipeline pipeline = jedis.pipelined();
for (int i = 0; i < 10000; i++) {
pipeline.set("key:" + i, "value:" + i);
}
pipeline.sync();
9、定期清理过期数据
定期清理过期数据是保持Redis内存空间有效利用的重要方法之一。通过设置合适的过期时间，并定期清理过期数据，可以释放内存空间。
// 定期清理过期数据
jedis.setex("key:1001", 600, "value");
10、合理设置内存策略
根据实际需求和系统情况，合理设置Redis的内存策略，比如最大内存限制、淘汰策略等，可以更好地管理和利用内存空间。
本文总结
Redis内存是非常宝贵的资源，我们在日常开发中，要合理运用Redis的数据结构以达到节省内存的目的。
最后说一句(求关注，求赞，你的鼓励是我创作的最大动力)
最近无意间获得一份阿里大佬写的刷题笔记，一下子打通了我的任督二脉，进大厂原来没那么难。 这是大佬写的， 7701页的BAT大佬写的刷题笔记，让我offer拿到手软
本文，已收录于，我的技术网站 cxykk.com：程序员编程资料站，有大厂完整面经，工作技术，架构师成长之路，等经验分享
求一键三连：点赞、分享、收藏
点赞对我真的非常重要！在线求赞，加个关注我会非常感激！