占用演示
代码计算如图：
其中使用redis工具查询，占用如下：
Redis封装结构
结构
redis中，所有的对象，都是基于Redis封装结构(Redis Object)展开的，其结构如下：
typedef struct redisObject {
// 数据类型 (4 bits)
unsigned type:4;
// 内部编码方式 (4 bits)
unsigned encoding:4;
// LRU 时间 (24 bits) 或 LFU 计数 (8 bits) + 访问时间 (16 bits)
unsigned lru:LRU_BITS; // 通常定义为 24 bits
// 引用计数 (32 bits)
int refcount;
// 指向实际数据存储的指针 (64-bit system: 8 bytes)
void *ptr;
} robj;
RedisObject字段详解
字段名 | 位宽/类型 | 可能取值 | 作用 | 备注 |
|---|
type
| unsigned (4 bits)
| - OBJ_STRING (0)：字符串 - OBJ_LIST (1)：列表 - OBJ_SET (2)：集合 - OBJ_ZSET (3)：有序集合 - OBJ_HASH (4)：哈希 - OBJ_MODULE (5)：模块 - OBJ_STREAM (6)：流 | 标识数据类型决定对象支持的操作（如 GET 只能操作字符串类型） | 命令执行时会先检查 type 是否匹配 |
encoding
| unsigned (4 bits)
| 字符串： - OBJ_ENCODING_INT：整数 - OBJ_ENCODING_EMBSTR：嵌入式字符串 - OBJ_ENCODING_RAW：SDS字符串 列表： - OBJ_ENCODING_QUICKLIST：快速列表 - OBJ_ENCODING_ZIPLIST：压缩列表(旧) - OBJ_ENCODING_LINKEDLIST：链表(旧) 哈希： - OBJ_ENCODING_ZIPLIST：压缩列表 - OBJ_ENCODING_HT：哈希表 集合： - OBJ_ENCODING_INTSET：整数集合 - OBJ_ENCODING_HT：哈希表 有序集合： - OBJ_ENCODING_ZIPLIST：压缩列表 - OBJ_ENCODING_SKIPLIST：跳表 | 标识底层数据结构 实现同类型数据的不同存储方式核心内存优化机制 | Redis 根据数据特征自动转换编码（如小哈希用 ziplist，大数据转 hashtable）通过配置参数控制转换阈值（如 hash-max-ziplist-entries） |
lru
| unsigned (24 bits)
| LRU 模式： - 存储最后访问时间戳（低 24 位） LFU 模式： - 高 8 位：访问频率计数器 (ldt) - 低 16 位：最后递减时间 (logc) | 实现内存淘汰策略 - LRU：淘汰最久未访问 - LFU：淘汰访问频率最低 | 模式由 maxmemory-policy 配置决定LFU 计数器会随时间衰减 |
refcount
| int (32 bits)
| - ≥1：正常对象引用计数 - INT_MAX：共享对象（如小整数 0-9999） | 引用计数垃圾回收计数归零时自动释放内存支持对象共享节省空间 | 对象被键引用、Lua 脚本使用时计数增加共享对象必须不可变（如小整数） |
ptr
| void* (指针)
| 指向具体数据结构： - 整数：直接存储 long 值（非指针） - 字符串：指向 sds 结构 - 列表：指向 quicklist - 哈希：指向 dict 或 ziplist - 集合：指向 intset 或 dict - 有序集合：指向 zset（含跳表和字典） | 存储实际数据根据 encoding 指向对应底层结构 | |
Bitmap
基于理论的占用计算
一个 bit 来标记一个状态：
1 Byte(字节) = 8 bit(比特位)
理论字节数 = 1,000,000/8=125,0001,000,000/8=125,000 Bytes
理论 KB 数 = 125,000/1024≈122.07 KB
理论值就是 约 122 KB。
原因：
bitmap在redis中，实际还是基于string实现的，string底层数据结构SDS，结构如下：
Bloom
已知参数：
n=1,000,000（元素数量）
p=0.0001（误判率）
布隆过滤器公式：
具体计算：
内存占用计算
加上 Redis 数据结构开销：
占用对比
数据结构 | 100万数据内存占用 | 特点 |
|---|
Bitmap | 122 KB | 适合连续整数ID，精确存在判断 |
Bloom | 2.46 MB | 适合任意数据类型，有误判率（万分之一） |
区别：
Bitmap 是 精确 的，但只能用于整数
布隆过滤器可以处理 任意数据类型，但存在误判
误判率越低，布隆过滤器需要的空间越大
