背景：有一个接入系统专门对采集到的微博、文章、微信、报刊、论坛、博客等等的数据进行解析，到目前为止已经大概存有3亿多的量
需求：我们需要通过图片的ID号得到对应图片作者是谁（这个可以随意）
问题：那么我们如何通过redis来解决这个问题并进行优化呢？
首先，这个通过图片ID反查用户UID的应用有以下几点需求：
- 查询速度要足够快
- 数据要能全部放到内存里，最好是一台EC2的 high-memory 机型就能存储（17GB或者34GB的，68GB的太浪费了）
- 支持持久化，这样在服务器重启后不需要再预热
首先否定了数据库存储的方案，保持了KISS原则（Keep It Simple and Stupid），因为这个应用根本用不到数据库的update功能，事务功能和关联查询等等牛X功能，所以不必为这些用不到的功能去选择维护一个数据库。
于是我们选择了Redis，Redis是一个支持持久化的内存数据库，所有的数据都被存储在内存中（忘掉VM吧），而最简单的实现就是使用Redis的String结构来做一个key-value存储就行了。像这样：
> HSET "mediabucket:1155" "1155315" "939" > HGET "mediabucket:1155" "1155315" > "939"
其中1155315是图片ID，939是用户ID，我们将每一张图片ID为作key，用户uid作为value来存成key-value对。然后进行了测试，将数据按上面的方法存储，1,000,000数据会用掉70MB内存; 300,000,000张照片就会用掉21GB的内存。对比预算的17GB还是超支了。
(其实这里我们可以看到一个优化点，我们可以将key值前面相同的media去掉，只存数字，这样key的长度就减少了，减少key值对内存的开销【注：Redis的key值不会做字符串到数字的转换，所以这里节省的，仅仅是media:这6个字节的开销】经过实验，内存占用会降到50MB，总的内存占用是15GB，是满足需求的，但是继续改进仍然有必要)
于是向Redis的开发讨论组询问优化方案，得到的回复是使用Hash结构。具体的做法就是将数据分段，每一段使用一个Hash结构存储，由于Hash结构会为单个Hash元素在不足一定数量时进行压缩存储，所以可以大量节约内存。这一点在上面的String结构里是不存在的。而这个一定数量是由配置文件中的hash-zipmap-max-entries参数来控制的。经过我们的实验，将hash-zipmap-max-entries设置为1000时，性能比较好，超过1000后HSET命令就会导致CPU消耗变得非常大。
于是改变了方案，将数据存成如下结构：
> HSET "mediabucket:1155" "1155315" "939" > HGET "mediabucket:1155" "1155315" > "939"
图片ID为7为，通过取其前四位为Hash结构的key值，保证了每个Hash内部只包含3位的key，也就是1000个。
再做一次实验，结果是每1,000,000个key只消耗了16MB的内存。总内存使用也降到了5GB，满足了应用需求。
(同样的，这里我们还是可以再进行优化，首先是将Hash结构的key值变成纯数字，这样key长度减少了12个字节，其次是将Hash结构中的subkey值变成三位数，这又减少了4个字节的开销，如下所示。经过实验，内存占用量会降到10MB，总内存占用为3GB)
> HSET "1155" "315" "939" > HGET "1155" "315" > "939"
优化无止境，只要肯琢磨。希望你在使用存储产品时也能如此爱惜内存。