浅谈redis key值内存消耗以及性能影响
一、rediskey数量为1千万时。
存储value为"0"，比较小。如果value较大，则存储内存会增多
rediskey数量为一千万时，使用了865M的内存。
#Keyspace db0:keys=11100111,expires=0,avg_ttl=0 内存使用情况 #Memory used_memory:907730088 used_memory_human:865.68M used_memory_rss:979476480 used_memory_rss_human:934.10M used_memory_peak:1258244232 used_memory_peak_human:1.17G used_memory_peak_perc:72.14% used_memory_overhead:580102896 used_memory_startup:765664 used_memory_dataset:327627192 used_memory_dataset_perc:36.12% total_system_memory:8365256704 total_system_memory_human:7.79G used_memory_lua:37888 used_memory_lua_human:37.00K
二、rediskey数量为1千5百万时。
rediskey数量为一千五百万时，使用了1.13G的内存。
#Keyspace db0:keys=15100031,expires=0,avg_ttl=0 #Memory used_memory:1211733288 used_memory_human:1.13G used_memory_rss:1247817728 used_memory_rss_human:1.16G used_memory_peak:1258244232 used_memory_peak_human:1.17G used_memory_peak_perc:96.30% used_memory_overhead:740104496 used_memory_startup:765664 used_memory_dataset:471628792 used_memory_dataset_perc:38.95% total_system_memory:8365256704 total_system_memory_human:7.79G used_memory_lua:37888 used_memory_lua_human:37.00K
三、rediskey数量为一千五百万时压测
redis-benchmark-h127.0.0.1-p6379-c1000-n10000-tget-q GET:34364.26requestspersecond
四、使用map将key值打散存储，小key为1千五百万
使用hset存储打散为1024个key时,存储大小为921M，比直接存储节省了200M。
#Memory used_memory:966758968 used_memory_human:921.97M used_memory_rss:1002913792 used_memory_rss_human:956.45M used_memory_peak:1749456304 used_memory_peak_human:1.63G used_memory_peak_perc:55.26% used_memory_overhead:1929880 used_memory_startup:765664 used_memory_dataset:964829088 used_memory_dataset_perc:99.88% total_system_memory:8365256704 total_system_memory_human:7.79G used_memory_lua:37888 used_memory_lua_human:37.00K #Keyspace db0:keys=1024,expires=0,avg_ttl=0
五、使用hset存储打散为256个key
存储大小为1.09G，比直接存储小了80M。
used_memory:1170356864 used_memory_human:1.09G used_memory_rss:1190223872 used_memory_rss_human:1.11G used_memory_peak:1749456304 used_memory_peak_human:1.63G used_memory_peak_perc:66.90% used_memory_overhead:33759246 used_memory_startup:765664 used_memory_dataset:1136597618 used_memory_dataset_perc:97.18% total_system_memory:8365256704 total_system_memory_human:7.79G
六、进行hget的压力测试
redis-benchmark-h127.0.0.1-p6379-c1000-n10000-thgetmyhashrand_intrand_intrand_int ======myhashrand_intrand_intrand_int====== 10000requestscompletedin0.22seconds 1000parallelclients 3bytespayload keepalive:1 46511.63requestspersecond
七、总结
可见，当存储量特别大的时候，可以将key进行hash分散处理，可以减少存储内存。
并且当key的数量很大的时候，redis取值性能还是很高的。
补充：Redis单key值过大优化方式
Redis使用过程中经常会有各种大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）
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
1.1、改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；
1.2、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、hash，set，zset，list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field的hash值，模除10000，确定了该field落在哪个key上。
newHashKey=hashKey+(*hash*(field)%10000）; hset(newHashKey,field,value); hget(newHashKey,field)
set,zset,list也可以类似上述做法.
但有些不适合的场景，比如，要保证lpop的数据的确是最早push到list中去的，这个就需要一些附加的属性，或者是在key的拼接上做一些工作（比如list按照时间来分拆）。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持毛票票。如有错误或未考虑完全的地方，望不吝赐教。