Redis 数据结构在 Java 中的落地：String 与 Hash 的业务场景应用

一、数据结构特性对比

String 核心特性

• 二进制安全：可存储任意字节序列
• 单值操作：支持 SET/GET/INCR 等原子命令
• 适用场景：简单键值对、计数器、序列化对象

Hash 核心特性

• 字段映射：键值对集合 $$ {field_1:value_1,...,field_n:value_n} $$
• 局部操作：支持单独读写字段（HSET/HGET）
• 适用场景：结构化数据、频繁局部更新

二、业务场景实战解析

场景1：用户信息缓存（String）

// 使用 String 存储序列化对象
public void cacheUserInfo(User user) {
    String json = objectMapper.writeValueAsString(user);
    redisTemplate.opsForValue().set("user:" + user.getId(), json, 30, MINUTES);
}

// 查询时反序列化
public User getUserInfo(long userId) {
    String json = redisTemplate.opsForValue().get("user:" + userId);
    return objectMapper.readValue(json, User.class);
}

优势：简单高效，适合整体读写
典型场景：用户基础信息、配置项缓存

场景2：购物车实现（Hash）

// 使用 Hash 存储购物车商品
public void addCartItem(long userId, long skuId, int quantity) {
    redisTemplate.opsForHash().put("cart:" + userId, String.valueOf(skuId), quantity);
}

// 修改单个商品数量
public void updateCartItem(long userId, long skuId, int delta) {
    redisTemplate.opsForHash().increment("cart:" + userId, String.valueOf(skuId), delta);
}

// 获取全量购物车
public Map<Long, Integer> getCart(long userId) {
    return redisTemplate.opsForHash().entries("cart:" + userId);
}

优势：字段级操作，避免全量读写
典型场景：电商购物车、动态表单数据

三、性能优化关键点

1. String 使用陷阱

   • 大对象存储需压缩（如 GZIP）
   • 频繁更新时考虑 Hash 分片

2. Hash 最佳实践

   • 控制字段数量（建议 $$ n \leq 1000 $$）
   • 使用 HSCAN 替代 HGETALL 遍历
   • 启用 hash-max-ziplist-entries 压缩配置

四、技术选型决策树

graph TD
    A[需要存储什么数据？] --> B{是否结构化数据}
    B -->|是| C{是否需要单独操作字段}
    C -->|是| D[选择 Hash]
    C -->|否| E[选择 String]
    B -->|否| F[选择 String]

五、Java 实现进阶技巧

1. Pipeline 批量操作

// 批量更新 Hash 字段
redisTemplate.executePipelined((RedisCallback<Object>) connection -> {
    for (Map.Entry<String, Integer> entry : cartItems.entrySet()) {
        connection.hSet("cart:1001".getBytes(), entry.getKey().getBytes(), entry.getValue().toString().getBytes());
    }
    return null;
});

1. 分布式锁场景

// 基于 String 的原子锁
Boolean locked = redisTemplate.opsForValue().setIfAbsent("lock:order", "1", 10, SECONDS);

结语

在 Java 技术栈中合理运用 Redis 数据结构：

• String 适用于整体读写场景（如缓存对象）
• Hash 在字段级操作场景优势明显（如购物车）
  根据数据访问模式选择合适结构，结合 Pipeline 等进阶技巧，可提升 3-5 倍性能。实际开发中需通过压测验证不同数据结构的 QPS 表现，避免教条主义选择。