第三章.Redis数据类型详解——Hash篇

原创 已于 2025-07-19 06:26:12 修改 · 797 阅读 · 10 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
于 2025-07-18 14:38:57 首次发布

目录

一.介绍

二.命令

三.命令小结

四.内部编码

五.使用场景

六.缓存⽅式对⽐

七.总结

一.介绍

        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图 2-15 来表⽰。

字符串和哈希类型对⽐

        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。

二.命令

HSET

设置 hash 中指定的字段（field）的值（value）。

语法： 

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：

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：

 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：

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：

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：

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：

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：

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：

        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：

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：

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：

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：

HINCRBYFLOAT

HINCRBY 的浮点数版本。

语法：

HINCRBYFLOAT key field increment

命令有效版本：2.6.0 之后

时间复杂度：O(1)

返回值：该字段变化之后的值。

⽰例：

三.命令小结

        表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。

哈希类型命令⼩结

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
获取所有的 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
hmset field value [field value...]
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)
hkeys key
获取所有的 field
O(k), k 是 field 个数
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)
hincrby key field n
对应 field-value +n
O(1)
hincrbyfloat key field n
对应 field-value +n
O(1)
hstrlen key field
计算 value 的字符串⻓度
O(1)

四.内部编码

哈希的内部编码有两种：

  •  ziplist（压缩列表）：当哈希类型元素个数⼩于 hash-max-ziplist-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。

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

 2）当有 value ⼤于 64 字节时，内部编码会转换为 hashtable：

3）当 field 个数超过 512 时，内部编码也会转换为 hashtable，就不演示了。

五.使用场景

        图为关系型数据表记录的两条⽤⼾信息，⽤⼾的属性表现为表的列，每条⽤⼾信息表现为⾏。如果映射关系表⽰这两个⽤⼾信息，则如图所⽰。

关系型数据表保存⽤⼾信息

uidnameagecity
1James28Beijing
2Johnathan30Xian

映射关系表⽰⽤⼾信息

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

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 获取⽤⼾信息
    UserInfo userInfo = MySQL 执⾏ SQL：select * from user_info where uid = <uid>
 
    // 如果表中没有 uid 对应的⽤⼾信息
    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
 
    // 返回⽤⼾信息
    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，⽽关系型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，如图 2-18 所⽰。
  • 关系数据库可以做复杂的关系查询，⽽ Redis 去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。

非关系型数据库稀疏性

六.缓存⽅式对⽐

        截⾄⽬前为⽌，我们已经能够⽤三种⽅法缓存⽤⼾信息，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。 

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

优点：实现简单，针对个别属性变更也很灵活。

缺点：占⽤过多的键，内存占⽤量较⼤，同时⽤⼾信息在 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 

set user:1 经过序列化后的⽤⼾对象字符串

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 

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。

七.总结

        本篇文章是redis中哈希类型的介绍与实际命令应用，供大家和本人在日常开发中进行参考应用。

标签
#redis #哈希算法 #数据库
冯诺依man
关注
Redis数据类型--Hash类型详解及应用
weixin_42118323的博客
02-23 1495
*概述：**hash叫散列类型，hash的键是一个String类型，value是一个键值对集合，为了方便理解，我把他类比为Java中的双层Map结构。hash类型的操作命令和String类型有着明显区别，hash类型都有一个h前缀，表示操作的是hash类型，而且一般也多了一个filed字段，这跟hash类型的数据结构有关系。Redis无论什么数据类型，存储的时候都是以键值对key-value形势存储，并且所有的key都是String类型，本文讨论的数据类型是value的数据类型。
「 分布式技术 」一致性哈希算法（Hash）详解
frozenpenguin的博客
04-12 7015
在分布式系统中，数据的存储和访问是很重要的问题。为了提高系统的可用性和扩展性，常常需要将数据分布到不同的节点上，而且这些节点也可能会动态地加入或离开集群。一致性哈希算法就是一种常用的解决方案，它可以解决节点的动态变化和负载均衡的问题。本文将深入探讨一致性哈希算法的底层原理，包括其基本思想、关键步骤以及优缺点等，同时结合实际场景进行举例说明。一致性哈希算法是一种用于分布式系统中的数据分片和负载均衡的算法。它将整个哈希空间划分为一个环，并且每个节点在这个环上都有一个对应的位置。
深入学习 Redis - 深挖经典数据类型之 hash
CYK_byte的博客
07-20 2961
哈希表可以说是所有数据结构中最重要的，既是日常开发中最常用的，也是面试考察的重点. Redis 自身已经是键值对结构了，但 value 实际上还是一些个键值对（哈希表）
Redis一致性哈希算法和哈希槽区别
技术博客
01-31 1705
一致性哈希算法和哈希槽（Hash Slot）都是在分布式系统中用于数据分片和节点映射的技术，主要应用于像 Redis 集群这样需要将数据分散存储在多个节点的场景。一致性哈希是在哈希取余算法基础之上优化的，分布式缓存数据变动和映射问题，某个机器宕机了，分母数量改变了，自然取余数不对了。用于解决分布式缓存系统中的数据选择节点存储问题和数据选择节点读取问题以及在增删节点后减少数据缓存的消失范畴，防止雪崩的发生。
Redis数据结构：Hash类型全面解析
热门推荐
栗筝i的博客
08-27 1万+
Redis，作为一个开源的、内存中的数据结构存储系统，以其出色的性能和灵活的数据类型，广泛应用于缓存、消息队列、发布订阅系统等多种场景。在 Redis 的五种基本数据类型中，Hash 类型是一种非常重要的数据类型。它可以存储键值对的集合，且能够用小于1毫秒的时间复杂度进行添加、删除、更新和查找操作，因此在实际应用中有着广泛的用途。 在接下来的文章中，我将详细介绍 Redis 的 Hash 类型，包括它的内部实现、主要特性、常用命令以及应用场景。无论你是刚接触 Redis 的新手，还是已经有一定经验的开发者
Redis常用命令——Hash篇
weixin_67596609的博客
05-28 8669
前面我们讲述了String的相关操作命令。本篇文章主要讲解Redis中数据结构Hash的相关操作命令。希望会对你有所帮助。
Redis数据结构-Hash哈希
2301_76928097的博客
03-01 1647
ziplist（压缩列表）：当哈希类型元素个数小于hash-max-ziplist-entries配置（默认为512个），同时所有值小于hash-max-ziplist-value配置（默认为64个字节）时，Redis会使用ziplist作为哈希的内部实现，ziplist使用更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，但是读写元素比较慢。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。优点：简单，直观，灵活。
redis—Hash哈希
终为nullptr
12-27 2867
redis数据结构hash介绍。
说一说Redis中如何使用一致性哈希算法
从不水文，坚持创作，加油
06-12 1299
Redis一致性哈希算法解析：从传统哈希到分布式优化 本文系统性地介绍了Redis中一致性哈希算法的原理与实现。首先通过传统哈希算法在节点扩容时的痛点引入问题，详细讲解了一致性哈希的环状结构设计及其平滑扩容优势。随后剖析了Redis Cluster采用的16384槽位变种实现，以及虚拟节点技术如何解决数据分布不均问题。文章还对比了一致性哈希的优缺点，并通过社交平台缓存案例展示了实际应用场景。最后总结了渐进式扩容等最佳实践，为构建高可用Redis集群提供了实用指导。
Redis第九讲 Redis之Hash数据结构Dict字典哈希算法与hash存储过程
程序员路同学
04-05 1405
Redis第九讲 Redis之Hash数据结构Dict字典哈希算法Redis第九讲 Redis之Hash数据结构Dict字典哈希算法Redis第九讲 Redis之Hash数据结构Dict字典哈希算法
深入Redis之数据类型 — Hash（存储原理、ziplist、字典、hash表）
qq_36608921的博客
04-16 8844
最近开始写hash数据类型，本想着自己从头来一遍，然后查阅时发现了一篇宝藏文章，直接放弃了自己从头来过的念头，下面的文章内容时转载于：https://blog.csdn.net/WhereIsHeroFrom/article/details/80833863； 目录 一、哈希表概述 二、Redis数据结构定义 三、哈希函数 四、哈希算法 五、rehash 六、渐进式rehash 七...
Redis 数据类型 Hash 哈希
2301_79881188的博客
02-11 964
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 String 和 Hash 类型⼆者的关系可以⽤下图来表⽰。哈希类型是稀疏的，⽽关系型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。下图为关系型数据表记录的两条⽤⼾信息，⽤⼾的属性表现为表的列，每条⽤⼾信息表现为⾏。：键和值都是二进制安全的，可以包含任何数据，包括二进制数据。
四.3 Redis 五大数据类型/结构的详细说明/详细使用（ hash 哈希表数据类型详解和使用）
weixin_61635597的博客
01-29 1799
在这个最后的篇章中，我要表达我对每一位读者的感激之情。你们的关注和回复是我创作的动力源泉，我从你们身上吸取了无尽的灵感与勇气。我会将你们的鼓励留在心底，继续在其他的领域奋斗。
Redis Hash哈希
wer24_25的博客
01-03 1493
感兴趣的宝子们千万不要错过~
一致性哈希算法
Lyzxii
07-11 2397
我们在使用Redis的时候，为了保证Redis的高可用，提高Redis的读写性能，最简单的方式我们会做主从复制，组成Master-Master或者Master-Slave的形式，或者搭建Redis集群，进行数据的读写分离，类似于数据库的主从复制和读写分离 比如现在有大概2000W左右的数据，按照我们约定的规则进行分库，规则就是随机分配，我们可以部署8台缓存服务器，每台服务器大概含有500W条数据...
python redis详解(四)HASH哈希
comprel的博客
07-13 4370
HASH哈希 Redis hash 是一个键值对集合。 Redis hash是一个string类型的field和value的映射表，hash特别适合用于存储对象 类似于python dict 常用的json格式数据 python redis提供的方法与命令行基本一致， 具体的函数及含义可以参考给定的命令行来使用， 对应的函数名称与命令名称基本一致 命令 首先了解官方的命令， 具体如下： 1 H...
哈希算法在缓存系统中的应用：Redis哈希表实现
AI 算法实战派
06-01 1062
在这个“数据爆炸”的时代，用户对应用响应速度的要求越来越高：刷短视频要秒开，电商下单要“丝滑”，社交聊天要“0延迟”。缓存系统（如Redis）正是解决这一问题的“神兵利器”——它通过将高频数据存储在内存中，避免重复查询数据库，将响应时间从“毫秒级”压缩到“微秒级”。本文的核心是：**哈希算法如何支撑Redis缓存的高性能？**我们将覆盖哈希算法的基础原理、Redis哈希表的底层结构、冲突解决机制，以及Redis独有的“渐进式rehash”优化策略。用“快递分拣中心”的故事引出哈希算法的核心作用；
Redis五大数据类型——Hash哈希
祝我飞黄腾达
04-15 3277
Redis五大数据类型：String（字符串），Hash（哈希），List（列表），Set（集合）及Zset(sorted set：有序集合)。 一、介绍 Redis 中的（Hash）类型是一个 String 类型与 field 和 field-value 的映射表，适用于存储对象，将一个对象类型存储在Hash类型中要比存在 String 类型中占用要更小，更加节省内存空间 以下是 String 类型和 Hash 类型的结构比较： 二、数据结构 底层使用两种数据结构存...
【Redis】Hash 哈希
最新发布
2401_83251330的博客
12-19 1055
而redis中的哈希，就是把key这一层组织完了，到了value,value本身也是一种哈希类型,是指值本⾝⼜是⼀个键值对结构，形如 key = "key"，value = { { field1, value1 }, ..., {fieldN, valueN } }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。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值