之前接触的一个业务，数据量的话现在在数据库中存了有将近400W的数据，在搜索的时候得到的这些数据会放入达到异步队列中，然后单独开一个线程来进行双写，写缓存，然后写数据库。Redis中的存储格式是Hash存储的，数据库的存储格式类似Hash，当时设计存储方式的时候是有些问题的，在Redis中存储的时候，数据库中有多少条数据，Redis中就会有多少个Key值。也就是说Redis中存储的一级Key有400W个，这样的存储格式会造成Redis的查询变慢，具体的原因下面解释。
| 具体原因 |
Redis的查询，都是根据Key值来操作的，Hash可以Key值或者根据Key和Field来确定一条记录。具体的操作可以去百度。其实可以把Redis的存储看成一棵树。Key是最顶端的存在。 
数据量小的情况下，存储的话没有太大的要求。但是当数据量大的时候，就要细细的考虑下值的存储方式。正如我上边存储400W数据的方式，相当于把400W的数据都放到了一级Key上，就是没有任何的深度而言。 
所有的Key都存储在了同一个层级上，这样的话，当查询的时候，就要遍历400W个Key值来找到你想要的数据。自己都感觉自己的设计是一坨翔。。。
| 优化设计 |
最好的办法，就是减少一级Key的数量。举个例子，花和树。假如全世界有花共100W种类，树也有100W，那怎么设计存储方式？ 
一级Key的设计要有自己的特点，这样删除的时候也很方便去删除。正如上图的设计一样，我要是查询一种具体的花，一级Key就可以过滤掉100W的数据，然后有可能知道具体的花的种类，再子节点查找的时候，每到一个子节点都可以过滤掉10倍的数据。这样才是最合适的。存的数据多，但是查询的时候也能够快速的定位到你想要的数据，何乐而不为呢？
转载请注明出处：http://blog.csdn.net/zlts000/article/details/56278531
