hash
哈希类型中的映射关系通常称为field-value，⽤于区分 Redis 整体的键值对（key-value），注意这⾥的value是指field对应的值，不是键（key）对应的值，请注意 value 在不同上下⽂的作⽤。
hash常用命令
hset
作用：设置 hash 中指定的字段（field）的值（value）
语法：HSET key field value [field value ...]
返回值：添加的字段的个数。
hget
作用：获取 hash 中指定字段的值。
语法：HGET key field
返回值：字段对应的值或者 nil。
hexists
作用：判断hash中是否有指定的 field
语法：HEXISTS key field
返回值：1 表⽰存在，0 表⽰不存在。
hdel
作用：删除 hash 中指定的字段，hdel删除的是field
返回值：本次操作删除的字段个数
语法：HDEL key field [field ...]
注意：
del 删除的是 key
hdel 删除的是 field
hkeys
作用：获取hash中的所有字段（field）。 这个操作先根据 key 找到对应的 hash, 然后再遍历 hash
语法：HKEYS key
hvals
作用：获取 hash 中的所有的 field 对应的value值。
语法：HVALS key
hgetall
作用：hgetall相当于是hkeys和hvals的结合，用来获取 hash 中的所有 field以及对应的value。
语法：HGETALL key
hmget
在使⽤ hgetall时，如果哈希元素个数⽐较多，会存在阻塞Redis的可能。如果开发⼈员只需要获取部分field，可以使⽤ hmget
作用：⼀次获取 hash 中多个 field 对应的 value
语法：HMGET key field [field …]
hlen
作用：获取hash中 field 的个数。
语法：HLEN key
hsetnx
作用：类似于 setnx 在字段不存在的情况下，才能设置成功，如果存在则失败
语法：HSETNX key field value
hincrby
作用：把hash这里的value也可以当作成数字来处理，进行加减整数
语法：HINCRBY key field increment
hincrbyfloat
作用：进行加减小数
语法：HINCRBYFLOAT key field increment
编码方式
哈希的内部编码有两种：
-
ziplist（压缩列表）：当哈希类型元素个数小于hash-max-ziplist-entries配置（默认512个）同时所有值都⼩于hash-max-ziplist-value配置（默认64字节）时，Redis会使⽤ziplist作为哈希的内部实现，ziplist使⽤更加紧凑的结构实现多个元素的连续存储，所以在节省内存⽅⾯⽐hashtable更加优秀。
-
hashtable（哈希表）：当哈希类型⽆法满⾜ziplis的条件时，Redis会使⽤hashtable 作为哈希的内部实现，因为此时ziplist的读写效率会下降，⽽hashtable的读写时间复杂度为O(1)。
应用
缓存
string 虽然也是可以作为缓存使用，但是存储结构化的数据，使用 hash 类型更合适一些~~
下图为关系型数据表记录的两条用户信息，用户的属性表现为表的列，每条⽤⼾信息表现为⾏。
| uid | name | age | city |
|---|---|---|---|
| 1 | James | 28 | Beijing |
| 2 | Johnathan | 30 | Xian |
如果映射关系表⽰这两个用户信息，其中先根据user和uid来作为 hash 的 key值来区分每个不同的用户，多对field-value对应用户的各个属性，则如下图所示：
上述场景中使用 string 类型也能做到缓存，但是就需要使用到 json 这样的数据结构
- 但是如果使用 string (json)这种的格式来做缓存，万一只想获取其中的某个 field 时，就需要把整个 json 都要读取出来，并解析构成一个对象来操作 field，最后在重新序列化 json 字符串，最后写回 redis。
- 如果使用 hash 的方式来表示上述用户信息，就可以使用 field 表示对象的每个属性(数据表的每个列)，此时就可以非常方便的修改/获取任何一个属性的值。
但是需要注意的是哈希类型和关系型数据库有两点不同之处：
- 哈希类型是稀疏的，⽽关系型数据库是完全结构化的，例如哈希类型每个键可以有不同的 field，⽽关系型数据库⼀旦添加新的列，所有⾏都要为其设置值，即使为 null。
- 关系数据库可以做复杂的关系查询，而 Redis 去模拟关系型复杂查询，例如联表查询、聚合查询等基本不可能，维护成本⾼。
