“用 1 个 bit 记录用户今天是否签到。一年 365 天，只占 46 字节。比任何方案都省内存。“
前言
Redis 位图（Bitmap）不是一种独立的数据类型，而是基于 String 类型的一种扩展操作。String 的最大容量是 512MB，位图用这 512MB 中的每一个 bit（0 或 1）来表示状态。一个 bit 可以表示两种状态，内存利用率极高。
1. 底层原理
# SETBIT key offset value
# offset：位偏移（从 0 开始）
# value：0 或 1
# 例如：设置 user:1000:2026:03 的第 21 位为 1
# （表示 2026-03-21 签到）
# 位在字符串中的位置计算：
# 字符串 "A" 的 ASCII 是 65 = 0b01000001
# SETBIT mykey 0 0 → 第 0 位设为 0
# SETBIT mykey 1 1 → 第 1 位设为 1
# 结果：0b01000010 = 66 = "B"
SETBIT user:sign:1000:2026-03 21 1
GET user:sign:1000:2026-03
# 返回 "\x00\x00 " （第 21 位为 1 的字符串）
# 读取某一位
GETBIT user:sign:1000:2026-03 21
# 返回 1内存计算：1 亿用户签到，每天只需要 12.5MB（1 亿 bit ÷ 8）。
2. 基础命令
# SETBIT：设置某一位的值（0 或 1）
SETBIT online:users 1000 1 # 用户 1000 在线
SETBIT online:users 1000 0 # 用户 1000 下线
# GETBIT：读取某一位
GETBIT online:users 1000
# 返回 1
# BITCOUNT：统计范围内 1 的个数
BITCOUNT online:users # 所有在线用户数
BITCOUNT online:users 0 124 # 前 125 位（用户 0-124）
# BITPOS：查找第一个 0 或 1 的位置
BITPOS online:users 0 # 第一个离线用户的位置
BITPOS online:users 1 # 第一个在线用户的位置
# BITOP：位运算（AND/OR/XOR/NOT）
SETBIT user:a:interest 0 1 # A 喜欢游戏
SETBIT user:a:interest 2 1 # A 喜欢电影
SETBIT user:b:interest 1 1 # B 喜欢音乐
SETBIT user:b:interest 2 1 # B 喜欢电影
BITOP AND user:ab:common user:a:interest user:b:interest
# 结果：A 和 B 共同喜欢：电影（第 2 位）
BITCOUNT user:ab:common
# 返回 1
# BITOP OR：共同感兴趣的用户（并集）
# BITOP XOR：只被一人喜欢的标签
# BITFIELD：批量位操作（Redis 3.0+，支持有符号/无符号整数）
BITFIELD mykey SET u8 0 255 # 无符号 8 位，从第 0 位开始，设为 255
BITFIELD mykey GET u8 0 # 读取无符号 8 位
BITFIELD mykey INCRBY u8 0 1 # 无符号 8 位 +1（溢出回绕）
BITFIELD mykey OVERFLOW SAT INCRBY u8 0 1 # 溢出时饱和（不回头绕）3. Java 实现：用户签到系统
@Service
@Slf4j
public class SignService {
private final RedisTemplate<String, String> redis;
// 用户签到（每天一条记录）
public boolean sign(String userId, LocalDate date) {
String key = signKey(userId, date.getYear(), date.getMonthValue());
int dayOfMonth = date.getDayOfMonth(); // 1-31
// 如果今天已签到，返回 false
Boolean isSet = redis.opsForValue().setBit(key, dayOfMonth - 1, true);
log.info("用户 {} 签到: date={}, key={}, alreadySigned={}",
userId, date, key, isSet);
return !Boolean.TRUE.equals(isSet); // 已签到返回 false
}
// 检查某天是否签到
public boolean checkSign(String userId, LocalDate date) {
String key = signKey(userId, date.getYear(), date.getMonthValue());
return Boolean.TRUE.equals(
redis.opsForValue().getBit(key, date.getDayOfMonth() - 1)
);
}
// 统计某月签到天数
public long countSignDays(String userId, int year, int month) {
String key = signKey(userId, year, month);
Long count = redis.opsForValue().getBitCount(key);
return count != null ? count : 0;
}
// 获取连续签到天数（从今天往前数）
public int continuousSignDays(String userId, LocalDate today) {
int count = 0;
LocalDate date = today;
while (checkSign(userId, date)) {
count++;
date = date.minusDays(1);
if (count > 31) break; // 最多一个月
}
return count;
}
// 获取某月签到日历
public List<Boolean> getSignCalendar(String userId, int year, int month) {
String key = signKey(userId, year, month);
int daysInMonth = YearMonth.of(year, month).lengthOfMonth();
List<Boolean> calendar = new ArrayList<>();
for (int day = 1; day <= daysInMonth; day++) {
Boolean signed = redis.opsForValue()
.getBit(key, day - 1);
calendar.add(Boolean.TRUE.equals(signed));
}
return calendar;
}
private String signKey(String userId, int year, int month) {
return String.format("sign:%s:%d:%02d", userId, year, month);
}
}4. 实战场景
4.1 DAU 统计（每日活跃用户）
@Service
@Slf4j
public class DAUService {
private final RedisTemplate<String, String> redis;
// 用户访问时记录 DAU
public void recordAccess(String userId, LocalDate date) {
String key = dauKey(date);
redis.opsForValue().setBit(key, parseUserIdToOffset(userId), true);
log.debug("DAU 记录: userId={}, date={}", userId, date);
}
// 查询某日 DAU
public long getDAU(LocalDate date) {
String key = dauKey(date);
Long count = redis.opsForValue().getBitCount(key);
return count != null ? count : 0;
}
// 查询日期范围内总 UV（去重）
public long getUVInRange(LocalDate start, LocalDate end) {
List<String> keys = new ArrayList<>();
LocalDate cursor = start;
while (!cursor.isAfter(end)) {
keys.add(dauKey(cursor));
cursor = cursor.plusDays(1);
}
// 使用 BITOP OR 合并所有日期
String tempKey = "temp:uv:" + UUID.randomUUID();
redis.opsForValue().setBit(tempKey, 0, false); // 初始化
String[] keyArray = keys.toArray(new String[0]);
redis.execute((RedisCallback<Object>) conn ->
conn.stringCommands().bitOp(
RedisStringCommands.BitOperation.OR,
tempKey.getBytes(),
Arrays.stream(keyArray).map(String::getBytes).toArray(byte[][]::new)
)
);
Long uv = redis.opsForValue().getBitCount(tempKey);
redis.delete(tempKey);
return uv != null ? uv : 0;
}
// 每周 DAU 趋势
public Map<LocalDate, Long> getWeeklyTrend(LocalDate today) {
Map<LocalDate, Long> trend = new LinkedHashMap<>();
for (int i = 6; i >= 0; i--) {
LocalDate date = today.minusDays(i);
trend.put(date, getDAU(date));
}
return trend;
}
private String dauKey(LocalDate date) {
return "dau:" + date.toString(); // dau:2026-03-21
}
// 将 userId 字符串转为数值偏移量
private long parseUserIdToOffset(String userId) {
return Math.abs(userId.hashCode() % 100_000_000);
}
}4.2 在线状态与实时人数
@Service
@Slf4j
public class OnlineStatusService {
private final RedisTemplate<String, String> redis;
private static final String ONLINE_KEY = "online:users";
private static final long MAX_USER_ID = 100_000_000; // 1 亿用户
public void setOnline(long userId) {
if (userId < 0 || userId >= MAX_USER_ID) {
throw new IllegalArgumentException("Invalid userId");
}
redis.opsForValue().setBit(ONLINE_KEY, userId, true);
}
public void setOffline(long userId) {
redis.opsForValue().setBit(ONLINE_KEY, userId, false);
}
public boolean isOnline(long userId) {
return Boolean.TRUE.equals(
redis.opsForValue().getBit(ONLINE_KEY, userId)
);
}
public long getOnlineCount() {
return redis.opsForValue().getBitCount(ONLINE_KEY);
}
// 批量检查在线状态（1000 个用户）
public Set<Long> filterOnlineUsers(List<Long> userIds) {
return userIds.parallelStream()
.filter(this::isOnline)
.collect(Collectors.toSet());
}
}4.3 功能开关（灰度发布）
@Service
public class FeatureToggleService {
private final RedisTemplate<String, String> redis;
// 将用户 ID 按比例分配到灰度组
// 用户 ID hash 后取低 8 位（0-255），前 10% 命中
public boolean isFeatureEnabled(long userId, String featureName) {
String key = "feature:" + featureName;
long offset = Math.abs((userId ^ (userId >>> 16)) % 256);
return Boolean.TRUE.equals(
redis.opsForValue().getBit(key, offset)
);
}
// 开启功能（按百分比）
public void enableFeature(String featureName, int percent) {
if (percent < 0 || percent > 100) {
throw new IllegalArgumentException("Percent must be 0-100");
}
String key = "feature:" + featureName;
int enabledBits = (int) (percent / 100.0 * 256);
// 用 BITFIELD 批量设置
for (int i = 0; i < enabledBits; i++) {
redis.opsForValue().setBit(key, i, true);
}
for (int i = enabledBits; i < 256; i++) {
redis.opsForValue().setBit(key, i, false);
}
}
}5. 位图 vs 其他方案的内存对比
| 方案 | 1 亿用户 1 年存储 | 内存 |
|---|---|---|
| 位图 | 1 亿 × 365 bit | ~4.6 GB |
| Set（每天一个） | 1 亿 × 365 个元素 | ~TB 级别 |
| Hash | 1 亿 × 365 字段 | TB 级别 |
| 数据库行 | 3.65 亿行 | TB 级别 |
位图节省 99%+ 内存，但只适合稀疏布尔状态。
6. 注意事项
注意事项：
1. 最大偏移量
- SETBIT offset 超过 String 上限会报错
- 最大 offset ≈ 512MB × 8 = 40 亿位
2. 内存预分配
- 设置大偏移量会预分配中间所有空间
- SETBIT mykey 1000000000 1 → 一次性分配 125MB
3. 字符串是连续的
- 中间位默认都是 0
- GETBIT 不存在的位返回 0（不会报错）
4. BITCOUNT 范围
- 不指定范围时统计整个字符串
- BITCOUNT key start end（字节偏移，不是位偏移）
5. 原子性
- SETBIT/GETBIT 是原子操作
- BITOP 是原子操作（Redis 3.0+）相关阅读：[Redis 五种基本数据类型](/coding/Redis/Redis 五种基本数据类型) · [Redis HyperLogLog](/coding/Redis/Redis HyperLogLog) · [Redis 使用规范](/coding/Redis/Redis 使用规范)