Redis Bitmap位图实现签到统计的存储优化

在需要处理海量用户每日签到数据的场景中，传统的数据库存储方案往往会因为记录数过多导致查询缓慢和存储空间膨胀。使用 Redis 的 Bitmap（位图）数据结构，可以将每一个用户的签到状态压缩为一个二进制位（Bit），从而极大地降低内存占用并提升统计效率。

1. 理解 Bitmap 的存储原理

Bitmap 并非特殊的数据类型，其本质是 Redis 中的 String 类型。Redis 将字符串中的每一个字节拆分为 8 个位，通过操作这些位来存储 0 或 1。

为了直观理解其存储优势，我们先进行一次计算对比。

假设我们需要记录 1000 万用户在 1 个月（30天）内的签到情况。

计算 传统 MySQL 存储方案（假设仅用最精简的 INT 存储用户ID，TINYINT 存储日期状态，且每行占用 10 字节）：

$$Space_{DB} = 10^7 \times 30 \times 10 \text{ Bytes} \approx 2.86 \text{ GB}$$

计算 Redis Bitmap 存储方案（每个用户每天仅占 1 个 Bit）：

$$Space_{Bitmap} = \frac{10^7 \times 30}{8} \text{ Bytes} \approx 35.7 \text{ MB}$$

通过对比可以看出，Bitmap 的存储空间仅为传统方案的约 1.2%，内存优化效果极其显著。

2. 设计 Key 与偏移量策略

为了精准定位数据，必须设计合理的 Key 命名规则和位偏移量。

• Key 命名规则：建议使用 sign:{uid}:{yyyyMM} 的格式。例如，用户 ID 为 1001 的用户在 2023 年 10 月的签到数据 Key 为 sign:1001:202310。这种设计便于按用户和月份进行数据隔离。
• 位偏移量：直接使用日期的数值（1 到 31）作为偏移量。例如，5 号签到就操作偏移量为 5 的位。

3. 实现用户签到核心操作

这一步的目标是将用户的签到行为写入 Redis。使用 SETBIT 命令可以设置指定偏移量的位值。

执行 签到命令的基本语法：

SETBIT key offset value

• key：我们在上一步设计的 Key（如 sign:1001:202310）。
• offset：今天的日期（如 15）。
• value：签到设为 1，未签到或取消签到设为 0。

示例：假设今天是 2023 年 10 月 15 日，用户 1001 进行签到。

输入以下命令：

SETBIT sign:1001:202310 15 1

该命令会返回该位置原本的值（如果是首次签到，返回 0）。无论该 Key 之前是否存在，Redis 都会自动创建或扩展字符串空间，确保第 15 个位可以被写入。

4. 检查用户签到状态

在用户进入应用时，通常需要展示当天的签到状态或历史某天的状态。使用 GETBIT 命令可以直接获取指定位的值。

执行 查询命令的基本语法：

GETBIT key offset

示例：查询用户 1001 在 10 月 15 日是否已签到。

输入以下命令：

GETBIT sign:1001:202310 15

如果返回 1，表示已签到；如果返回 0，表示未签到。该操作的时间复杂度为 $O(1)$，速度极快。

5. 统计月度签到次数

运营后台通常需要统计用户在当月的活跃度（即签到总天数）。使用 BITCOUNT 命令可以直接计算给定 Key 中所有值为 1 的位的个数，而无需遍历每一天。

执行 统计命令：

BITCOUNT key

示例：统计用户 1001 在 2023 年 10 月的总签到天数。

输入以下命令：

BITCOUNT sign:1001:202310

返回值即为该用户当月的签到天数。例如，如果用户在 1号、5号、15号 签到了，命令可能返回 3。

6. 批量统计与高级应用（连续签到）

除了基本的统计，Bitmap 还能高效计算“连续签到”或“指定时间段签到”。为了实现连续签到计算，我们可以利用位运算逻辑，或者获取二进制数据在代码中处理。

在代码层面（以 Python 为例），我们可以利用 get 命令获取原始二进制数据，然后通过位运算判断连续性。

编写 Python 代码片段获取并分析连续签到：

import redis

# 连接 Redis
r = redis.Redis(host='localhost', port=6379, db=0)

uid = 1001
month_key = f"sign:{uid}:202310"

# 获取原始位图数据（bytes类型）
bitmap_data = r.get(month_key)

if bitmap_data:
    # 将字节数据转换为二进制字符串以便观察
    # 注意：Redis Big Endian 存储逻辑与日期顺序可能需要反转处理
    # 此处演示逻辑：实际业务需根据 offset 处理字节序
    binary_str = bin(int(bitmap_data.hex(), 16))[2:].zfill(len(bitmap_data) * 8)

    # 假设我们需要检查最近 N 天的连续情况
    # 实际开发中通常从当前日期向前遍历 GETBIT
    # 示例：检查 offset 15, 14, 13 是否连续为 1
    current_day = 15
    continuous_count = 0

    for i in range(current_day, 0, -1):
        if r.getbit(month_key, i) == 1:
            continuous_count += 1
        else:
            break

    print(f"用户 {uid} 连续签到天数为: {continuous_count}")

7. 运维注意事项：内存碎片与过期策略

虽然 Bitmap 极其节省内存，但在实际生产环境中需要注意 Key 的管理。

设置 合理的过期时间。签到数据通常只具有短期价值（如用于月度奖励）。为了避免 Key 无限堆积，应在用户首次签到当月时设置过期时间。

执行 设置过期时间的命令：

EXPIRE sign:1001:202310 31536000

上述命令将 Key 的过期时间设置为 1 年（31,536,000 秒），确保数据在次年自动清理。

注意：Bitmap 对于稀疏数据（即大部分位都是 0）非常友好，但如果 Key 的偏移量设置得非常大（例如直接用 Unix 时间戳作为偏移量），可能会占用不必要的连续内存空间。务必保持偏移量从 0 或 1 开始紧凑排列。