Redis Hash哈希 - 技术栈

个人主页：C++忠实粉丝
欢迎点赞👍 收藏✨ 留言✉ 加关注💓本文由 C++忠实粉丝原创

Redis Hash哈希

收录于专栏[redis]
本专栏旨在分享学习Redis的一点学习笔记，欢迎大家在评论区交流讨论💌

概述

常见命令

HSET

概述

几乎所有的主流编程语言都提供了哈希（hash）类型，它们的叫法可能是哈希、字典、关联数

组、映射。在 Redis 中，哈希类型是指值本身又是一个键值对结构，形如 key = "key"，value = { {

field1, value1 }, ..., {fieldN, valueN } }，Redis 键值对和哈希类型二者的关系可以用下图来表示。

哈希类型中的映射关系通常称为 field-value ，用于区分 Redis 整体的键值对（key-value），

注意这里的 value 是指 field 对应的值，不是键（key）对应的值，请注意 value 在不同上下

文的作用。

常见命令

HSET

设置 hash 中指定的字段（field）的值（value）。

语法：

bash 复制代码

HSET key field value [field value ...]

命令有效版本： 2.0.0 之后
时间复杂度： 插入一组 field 为 O(1), 插入 N 组 field 为 O(N)
返回值： 添加的字段的个数。
示例：

HGET

获取 hash 中指定字段的值。

语法：

bash 复制代码

HGET key field

命令有效版本： 2.0.0 之后
时间复杂度： O(1)
返回值： 字段对应的值或者 nil。
示例：

HEXISTS

判断 hash 中是否有指定的字段。

语法：

bash 复制代码

HEXISTS key field

命令有效版本： 2.0.0 之后
时间复杂度： O(1)
返回值： 1 表示存在，0 表示不存在。
示例：

HDEL

删除 hash 中指定的字段。

语法：

bash 复制代码

HDEL key field [field ...]

命令有效版本： 2.0.0 之后
时间复杂度： 删除一个元素为 O(1). 删除 N 个元素为 O(N).
返回值： 本次操作删除的字段个数。

示例：

HKEYS

获取 hash 中的所有字段。

语法：

bash 复制代码

HKEYS key

命令有效版本： 2.0.0 之后
时间复杂度： O(N), N 为 field 的个数.
返回值： 字段列表。

示例：

HVALS

获取 hash 中的所有的值。

语法：

bash 复制代码

HVALS key

命令有效版本： 2.0.0 之后
时间复杂度： O(N), N 为 field 的个数.
返回值： 所有的值。

示例：

HGETALL

获取 hash 中的所有字段以及对应的值。

语法：

bash 复制代码

HGETALL key

命令有效版本： 2.0.0 之后
时间复杂度： O(N), N 为 field 的个数.
返回值： 字段和对应的值。

示例：

HMGET

一次获取 hash 中多个字段的值。

语法：

bash 复制代码

HMGET key field [field ...]

命令有效版本： 2.0.0 之后
时间复杂度： 只查询一个元素为 O(1), 查询多个元素为 O(N), N 为查询元素个数.
返回值： 字段对应的值或者 nil。

示例：

注意： 在使用 HGETALL 时，**如果哈希元素个数比较多，会存在阻塞 Redis 的可能。**如果开发人员只需要获取部分 field，可以使用 HMGET，如果一定要获取全部 field，可以尝试使用 HSCAN 命令，该命令采用渐进式遍历哈希类型，HSCAN 会在后续章节介绍。

HLEN

获取 hash 中的所有字段的个数。

语法：

bash 复制代码

HLEN key

命令有效版本： 2.0.0 之后
时间复杂度： O(1)
返回值： 字段个数。

示例：

HSETNX

在字段不存在的情况下，设置 hash 中的字段和值。

语法：

bash 复制代码

HSETNX key field value

命令有效版本： 2.0.0 之后
时间复杂度： O(1)
返回值： 1 表示设置成功，0 表示失败。

示例：

HINCRBY

将 hash 中字段对应的数值添加指定的值。

语法：

bash 复制代码

HINCRBY key field increment

命令有效版本： 2.0.0 之后
时间复杂度： O(1)
返回值： 该字段变化之后的值。

示例：

命令小结

下图是哈希类型命令的效果、时间复杂度，开发人员可以参考此表，结合自身业务需求和数据大小选择合适的命令。

|---------------------------------------|---------------------------|-------------------|
| 命令 | 执行效果 | 时间复杂度 |
| hset key field value | 设置值 | O(1) |
| hget key field | 获取值 | O(1) |
| hdel key field [field ...] | 删除 field | O(k)，k 是 field 个数 |
| hlen key | 计算 field 个数 | O(1) |
| hgetall key | 批量获取 field-value | O(k)，k 是 field 个数 |
| hmget field [field ...] | 批量获取 field-value | O(k)，k 是 field 个数 |
| hexists key field | 判断 field 是否存在 | O(1) |
| hvals key | 获取所有的 value | O(k)，k 是 field 个数 |
| hsetnx key field value | 设置值，但必须在 field 不存在时才能设置成功 | O(1) |
| hkeys key | 获取所有的 field | O(k)，k 是 field 个数 |
| hmset field value [field value ...] | 批量获取 field-value | O(k)，k 是 field 个数 |
| hincrby key field value | 对应 field-value + n | O(1) |
| hincrbyfloat key field n | 对应 field-value + n | O(1) |
| hstrlen key field | 计算 value 的字符串长度 | O(1) |

内部编码

哈希表的内部编码有两种：

ziplist（压缩列表）：当哈希类型元素个数小于 hash-maxziplist-entries 配置（默认 512 个）、同时所有值都小于 hash-max-ziplist-value 配置（默认 64 字节）时，Redis 会使用 ziplist 作为哈希的内部实现，ziplist 使用更加紧凑的结构实现多个元素的连续存储，所以在节省内存方面比 hashtable 更加优秀。

hashtable（哈希表）：当哈希类型无法满足 ziplist 的条件时，Redis 会使用 hashtable 作为哈希的内部实现，因为此时 ziplist 的读写效率会下降，而 hashtable 的读写时间复杂度为 O(1)

下面的示例演示了哈希类型的内部编码，以及响应的变化。

当 field 个数比较少且没有大的 value 时，内部编码为 ziplist：

当 field 个数大于 64 字节时，内部编码会转换为 hashtable：

当 field 个数超过 512 时，内部编码也会转换为 hashtable：

懒得打了......

使用场景

下图为关系数据库表记录的两条用户信息，用户的属性表现为表的列，每条用户信息表现为行。如果映射关系表示这两个用户信息，如下图所示：

uid	name	age	city
1	james	28	Beijing
2	Johnathan	30	Xian

相比于使用 JSON 格式的字符串缓存用户信息，哈希类型变得更加直观，并且在更新操作上变得更加灵活。可以将每个用户 id 定义为键后缀，多对 field-value 对应用户的各个属性，类似如下伪代码：

cpp 复制代码

UserInfo getUserInfo(long uid)
{
    // 根据 uid 得到 Redis 的键
    String key = "user:" + uid;
    // 尝试从 Redis 中获取对应的值
    userInfoMap = Redis 执行命令：hgetall key;
    // 如果缓存命中（hit）
    if (value != null)
    {
        // 将映射关系还原为对象形式
        UserInfo userInfo = 利用映射关系构建对象(userInfoMap);
        return userInfo;
    }
    // 如果缓存未命中（miss）
    // 从数据库中，根据 uid 获取用户信息
    UserInfo userInfo = MySQL 执行 SQL：select *from user_info where uid =
        <uid>
        // 如果表中没有 uid 对应的用户信息
        if (userInfo == null)
    {
        响应 404 return null;
    }
    // 将缓存以哈希类型保存
    Redis 执行命令：hmset key name userInfo.name age userInfo.age city
        userInfo.city
        // 写入缓存，为了防止数据腐烂（rot），设置过期时间为 1 小时（3600 秒）
        Redis 执行命令：expire key 3600
        // 返回用户信息
        return userInfo;
}

但是需要注意的是哈希类型和关系型数据库有两点不同之处：

哈希类型是稀疏的，而关系数据库是完全结构化的，例如哈希类型每个键可以有不同的 field，而关系型数据库一旦添加新的列，所有行都要为其设置值，即使为 null。

关系数据库可以做复杂的关系查询，而 Reids 区模拟关系型复杂查询，例如联表查询、聚合查询等基本不可能，维护成本高。

缓存方式对比

截止目前为止，我们已经能够用三种方法缓存用户信息，下面给出三种方案的实现方法和优缺点分析。

1. 原生字符串类型 ------ 使用字符串类型，每个属性一个键。

cpp 复制代码

set user:1:name James
set user:1:age 23
set user:1:city Beijing

**优点：**实现简单，针对个别属性变得更加灵活。

**缺点：**占用过多的键，内存占用比较大，同时用户信息在 Redis 中比较分散，缺少内聚性，所以这种方案基本没有实用性。

2. 序列化字符串类型，例如 JSON 格式

bash 复制代码

set user:1 1 经过序列化后的用户对象字符串

优点：针对总是以整体作为操作的信息比较合适，编程也简单。同时，如果序列化方案选择合适，内存的使用效率很高。

缺点：本身序列化和反序列化需要一定开销，同时如果总是操作个别属性则非常不灵活。

3. 哈希类型

bash 复制代码

1 hmset user:1 name James age 23 city Beijing

**优点：**简单、直观、灵活。尤其是针对信息的局部变更或者获取操作。

**缺点：**需要控制哈希在 ziplist 和 hashtable 两种内部编码的转换，可能会造成内存的较大消耗。