JAVA面试题分享五百五十七：Redis大key多key拆分方案

目录

1：单个简单的key存储的value很大

2：value中存储过多的元素

3：一个集群存储了上亿的key

4：大Bitmap或布隆过滤器（Bloom）拆分

---

背景

业务场景中经常会有各种大key多key的情况， 比如：

1：单个简单的key存储的value很大

2：hash， set，zset，list 中存储过多的元素（以万为单位）

3：一个集群存储了上亿的key，Key 本身过多也带来了更多的空间占用

（如无意外，文章中所提及的hash，set等数据结构均指redis中的数据结构  ）

由于redis是单线程运行的，如果一次操作的value很大会对整个redis的响应时间造成负面影响，所以，业务上能拆则拆，下面举几个典型的分拆方案。

1：单个简单的key存储的value很大

i：该对象需要每次都整存整取

可以尝试将对象分拆成几个key-value， 使用multiGet获取值，这样分拆的意义在于分拆单次操作的压力，将操作压力平摊到多个redis实例中，降低对单个redis的IO影响；

ii：该对象每次只需要存取部分数据

可以像第一种做法一样，分拆成几个key-value，  也可以将这个存储在一个hash中，每个field代表一个具体的属性，

使用hget,hmget来获取部分的value，使用hset，hmset来更新部分属性

2：value中存储过多的元素

类似于场景一种的第一个做法，可以将这些元素分拆。

以hash为例，原先的正常存取流程是  hget(hashKey, field) ; hset(hashKey, field, value)

现在，固定一个桶的数量，比如 10000， 每次存取的时候，先在本地计算fi