Hash 在字段数适中(≤512)且单 value ≤64 字节时更省内存,因其共用1个redisObject和连续内存编码(ziplist/listpack),元数据开销远低于多String或JSON String;否则可能因编码退化而更费内存。

用 Hash 存千万级用户信息,通常比 String(JSON)更省内存,但前提是字段数适中、单 field 值不超 64 字节——否则可能反而更费内存。
为什么 Hash 在多数用户场景下更省元数据开销
每个 Redis key 都对应一个 redisObject(16 字节)+ 一个底层数据结构头(如 SDS 头 8 字节)。String 方案存一个用户所有字段为 JSON,需要 1 个 key;但如果拆成多个 String key(user:1001:name、user:1001:age…),就是 N 个独立的 redisObject。而 Hash 把全部字段塞进一个 key,只用 1 个 redisObject,字段共用同一块连续内存(ziplist 或 listpack 编码时)。
实测 10000 个用户、4 字段的典型场景:
• String(JSON)方案:约 937KB 元数据开销
• Hash(ziplist 编码):约 195KB 元数据开销
- 关键前提:Hash 必须保持在 ziplist 编码状态,即字段数 ≤ 512 且每个
value长度 ≤ 64 字节(Redis 7.x+ 默认值) - 一旦触发转为 hashtable 编码,内存会明显上升,但仍大概率低于同等字段数的多 String key 方案
- JSON String 虽然只用 1 个
redisObject,但序列化后字符串本身冗余高(引号、冒号、括号、转义),且无法复用字段名字符串
哪些字段会让 Hash 反而更费内存
Hash 省内存的优势只在“小字段、多字段”时成立。一旦字段值过大或过多,ziplist 会退化,内存放大风险陡增。
- 单个
value超过 64 字节(比如存 base64 头像、富文本简介、长地址)→ 触发编码升级 → 内存可能翻倍 - 字段数超过 512(比如用户打标 1000+ 个 tag)→ 强制转 hashtable → 指针、桶数组等额外开销激增
- 字段名本身很长(如
user_preference_notification_email_frequency_setting)→ ziplist 中每个 entry 都重复存字段名,浪费显著 - 混合长短字段:一个 Hash 里既有
city(3 字节),又有bio(2KB)→ 整个 Hash 无法走 ziplist,全量升为 hashtable
真实业务中别硬选一种,优先按字段热度分层
千万级用户不是“全用 Hash”或“全用 String”的二选一问题。高频更新/读取的字段(last_login_time、status、score)和低频大字段(avatar_url、intro、cert_images)天然不该放在同一存储单元里。
- 高频小字段 → 放
user:1001(Hash),享受原子更新 + ziplist 省空间 - 低频大字段 → 单独用 String key,如
user:1001:avatar,避免拖垮整个 Hash 编码 - 完全只读的配置类字段(如
region_code、timezone)→ 可考虑集中存到共享 Hash 或 String,减少 key 总数 - 务必用
MEMORY USAGE user:1001实测,而不是依赖理论值;线上抽样 1000 个用户对比 Hash vs JSON String 的实际占用
上线前必须验证的三个动作
再好的选型,没压测和观测就上生产,等于埋雷。
- 用
HSCAN+HELEN统计线上存量 Hash 的平均字段数和最大value长度,确认是否在 ziplist 安全区间内 - 对典型用户执行
DEBUG OBJECT user:1001(仅限开发/测试环境),看 encoding 是ziplist还是hashtable - 改字段逻辑时,禁用
HGETALL—— 它会把整个 Hash 拉到客户端,网络和 GC 压力陡增;改用HGET按需取字段
最常被忽略的一点:Hash 不支持字段级过期。如果你需要 avatar_url 2 小时过期、status 永不过期,那就不能靠一个 Hash 解决——得拆,或者加一层 TTL 管理逻辑。这个限制不会报错,但会让缓存语义失控。


















