跳到主要内容
锦木信息 JINMU INFO
Redis 博客
Redis · 位操作

一个用户,一个比特

Bitmap 与 Bitfield:用二进制位极省内存地统计

"一亿用户今天谁签到了?"——每人存一个布尔值,用 Set 或 Hash 都嫌重。Bitmap 把它压到一人一个比特:一亿用户,只要约 12MB。它不是新类型,而是字符串上的一层"位视角"。

▲ 每个用户 ID = 一个比特位;SETBIT 点亮,BITCOUNT 数 1 的个数bitmap
signin:20261027 (第 offset 位 = 用户 ID 为 offset 的人是否签到) 01234567891011 1 0 1 1 0 0 0 0 1 0 1 1 SETBIT signin:20261027 6 1 ← 用户6签到 BITCOUNT signin:20261027 → 7 人签到
01 · 是什么

字符串上的"位视角"

Bitmap 不是独立数据类型——它就是一个字符串,只不过你用位(bit)而非字节去读写它。一个字符串最大 512MB,也就是最多 2³² 个位(约 43 亿)。每个位只有 0 或 1,正好表达一个布尔:签没签到、是不是活跃、有没有某个特征。

SETBIT signin:20261027 6 1 # 把第 6 位(用户ID=6)置 1 GETBIT signin:20261027 6 # → 1,查用户6签没签 BITCOUNT signin:20261027 # → 数一共多少个 1,即今日签到人数

关键在"用用户 ID 当偏移量(offset)":用户 42 就是第 42 位。于是"记录某用户的布尔状态"变成"点亮某一位",而一亿个用户的布尔表,只需 10⁸ ÷ 8 ÷ 1024² ≈ 12MB。

打个比方

像一张超长的打卡墙:每个人有自己固定的一格,来了就把那格涂黑。想知道今天来了多少人,不用点名,扫一眼数涂黑的格子就行。一人一格,一格一个比特,省到极致。

02 · 核心命令

置位、计数、找位置

命令作用
SETBIT key offset 0|1设置某一位;字符串会自动按需增长(中间的位默认 0)
GETBIT key offset读某一位
BITCOUNT key [start end [BYTE|BIT]]统计 1 的个数;7.0+ 可按位范围而非仅字节范围
BITPOS key 0|1 [start end]找第一个 0 或 1 出现的位置
BITOP AND|OR|XOR|NOT dest k1 k2…多个位图做按位运算,结果存入 dest
# 连续签到:把多天的位图 AND 起来,结果里仍为 1 的就是"每天都签"的人 BITOP AND streak signin:1026 signin:1027 signin:1028 BITCOUNT streak # → 连续三天签到的人数 # 本月活跃 = 本月任意一天来过:OR 起来 BITOP OR mau day:1 day:2 … day:30
03 · 能干什么

布尔统计的瑞士军刀

凡是"每个实体一个是/否、再做聚合统计"的场景,Bitmap 都又快又省:

场景怎么用
每日签到 / 打卡每天一个位图 signin:日期,用户 ID 当 offset;BITCOUNT 数人数
日活 / 月活(DAU/MAU)每天一个位图;月活 = 当月各天位图 BITOP OR
连续签到把连续几天的位图 BITOP AND
功能开关 / 权限位每个用户一串位,各位代表是否拥有某特性
用户在线状态上线置 1、下线置 0;BITCOUNT 看在线总数
i

和 HyperLogLog 的分工:Bitmap 要求用户能映射成稠密的整数 ID、且你需要精确统计、甚至要做集合运算(连续/交叉);HyperLogLog 则不在乎 ID、只给近似的去重计数、但内存恒定 12KB。ID 稠密且要精确 → Bitmap;ID 杂乱只要个数 → HLL。

04 · 更进一步

Bitfield:把字符串当紧凑整数数组

Bitmap 的每个位是独立布尔。但有时你想存的是小整数——比如每个用户一个 0~255 的等级、一个计数。BITFIELD 让你在一个字符串里,按任意位宽紧凑地存放一排整数,并原子地操作它们。

# 在一个 key 里,把每个用户的"等级"存成连续的 8 位无符号整数(u8) BITFIELD levels SET u8 #0 5 SET u8 #1 12 # 用户0=5级, 用户1=12级 BITFIELD levels GET u8 #1 # → 12 BITFIELD levels INCRBY u8 #0 1 # 用户0 升 1 级,原子 BITFIELD counters OVERFLOW SAT INCRBY u8 #0 100 # 溢出饱和到上限而非回绕

#N 表示"第 N 个该位宽的字段"(偏移 = N × 位宽)。类型可以是 u8/i16/u32 等,位宽随你定——存只需 0~7 的小值,就用 u3,一个字节能塞下两个还多。OVERFLOW 控制溢出行为(回绕 WRAP / 饱和 SAT / 失败 FAIL)。

一句话

如果 Bitmap 是"一人一个灯泡(亮/灭)",那 Bitfield 就是"一人一个小仪表盘",能读数、能加减、位宽自定——在内存里把一排小整数压到字节级紧凑。

05 · 注意事项

用之前先想清楚

要点说明
offset 要稠密ID 稀疏(如用 UUID 或超大数值)会撑出巨大、几乎全 0 的字符串。必须是紧凑的小整数 ID。
SETBIT 高 offset 会撑大给第 40 亿位置位,会一次性把字符串扩到约 512MB——还可能阻塞。offset 范围要可控。
BITCOUNT 是 O(N)对超大位图全量计数会扫整串;频繁统计可配合范围参数或缓存结果。
按天/按月切 key把位图按日期拆成多个 key,配合 TTL 自动清理旧数据,别让单个 key 无限大。
映射关系要稳定"用户 ID ↔ offset"的映射一旦变了,历史位图就全乱了。这个映射必须长期不变。
收尾 · 一句话

一人一比特,省到极致

Bitmap 把"每个用户一个布尔"压成一人一个比特,一亿用户只要约 12MB,还能用 BITOP 做连续签到、月活这类集合运算;Bitfield 再进一步,把字符串当成紧凑的小整数数组来读写。前提是 ID 稠密——满足这点,它就是布尔统计里最省的那把刀。

Bitmap=字符串的位视角(最多 2³² 位)· SETBIT/GETBIT/BITCOUNT/BITPOS/BITOP · 签到/日活/连续(AND)/月活(OR) · Bitfield 按位宽存小整数(u8/#N/OVERFLOW) · 前提:ID 稠密;对比 HLL:精确要 Bitmap,近似去重用 HLL

内容依据 Redis 官方文档整理 · redis.io/docs · Bitmaps · BITFIELD

示例数值为说明性示意;具体命令选项以对应 Redis 版本为准。

聊聊您的数据难题

告诉我们业务现状,资深技术顾问一对一给出选型与实施建议,咨询免费。