当前位置:首页 > 文章列表 > 数据库 > Redis > Redis Bitmap 做连续签到统计:位偏移计算、补签规则与查询性能

Redis Bitmap 做连续签到统计:位偏移计算、补签规则与查询性能

来源:17golang原创 2026-08-25 15:05:24 0浏览 收藏

做月度签到时,很多实现会把每天的状态写成一串字符串,再在应用层循环统计连续天数。Redis Bitmap 可以把这件事压缩成按位存储:某天签到就把对应偏移设为 1,查询某个月的签到总数用 BITCOUNT,而连续天数则需要沿着日期倒序逐位判断。这样存储很省,但“签到总数”和“连续签到”不是同一个指标。

要点速览
  • 用日期与月份第一天的差值作为位偏移,不要把自然日直接当偏移。
  • BITCOUNT 只能回答签到多少天,不能直接回答连续多少天。
  • 补签会改变连续区间,写入后要从目标日期向后复查,而不是只更新一个缓存数字。
  • 按月拆分 Bitmap 更容易控制 key 大小、过期时间和查询范围。

先把“签到一天”压成一个可复查的位

假设用户 42 在 2026 年 8 月 7 日签到,月份 key 使用 checkin:42:2026-08,8 月 1 日对应偏移 0,那么 8 月 7 日的偏移就是 6。命令本身很简单:

SETBIT checkin:42:2026-08 6 1
GETBIT checkin:42:2026-08 6
BITCOUNT checkin:42:2026-08

这里的关键不是记住三条命令,而是固定偏移规则。应用端应该统一用日期差计算 dayIndex,并拒绝跨月日期写入当前 key,否则 9 月 1 日可能被误写到 8 月位图的后面,后续统计会变得很难解释。

Redis Bitmap 按日期计算 dayIndex 后写入签到位并对比统计结果

Bitmap、普通 Set 和字符串数组该怎么选

三种方案都能记录“某天是否签到”,差别在于数据密度和读取方式。Bitmap 最适合日期连续、状态只有 0/1、统计范围明确的场景;Set 更适合日期稀疏或需要直接枚举签到日期;字符串数组便于人工阅读,却通常要付出更大的空间和解析成本。

方案适合场景需要留意
Bitmap按日布尔状态、月度统计偏移规则必须统一
Set签到日期稀疏、需要枚举成员字符串有额外空间
字符串数组数据量小、调试优先更新和解析更重

如果业务只问“这个月签到几天”,Bitmap 和 BITCOUNT 很合适;如果要展示最近签到日期,Set 的 SSCAN 或额外的日期索引可能更顺手。不要因为 Bitmap 节省空间,就把所有与签到有关的属性都塞进位图。

连续天数要从今天向前扫描

连续签到的定义通常是从指定日期开始,向前数有多少个连续的 1。下面的伪代码把 Redis 读取和业务判断分开,便于测试:

streak := 0
for dayIndex := todayIndex; dayIndex >= 0; dayIndex-- {
    bit := redis.GetBit(key, dayIndex)
    if bit == 0 {
        break
    }
    streak++
}

今天没有签到时,是否允许从昨天开始计算,是产品规则而不是 Redis 规则。建议把 asOfDate 明确传入查询方法:个人中心显示“当前连续签到”可以用今天;补签页面展示“补签后连续天数”则应以补签日期或业务结算日作为基准。

补签为什么会让缓存的连续天数失真

假设 8 月 4、5、6 日已签到,8 月 3 日漏签,当前连续天数是 3。此时补签 8 月 3 日,位图只增加了一个 1,但连续区间已经从 3 天扩展成 4 天;如果 8 月 2 日也已签到,结果还会继续向前扩展。因此不要只在用户表里把 streak = streak + 1,那会在补签和重复写入时出错。

一种稳妥做法是先用 SETBIT 写入,再从补签日向前和向后分别扫描,重新计算受影响区间。若并发补签要求强一致,可以把“写位 + 重算”放进 Lua 脚本或在应用层按用户串行化;如果允许最终一致,则将重算任务写入队列,页面读取时以位图为准兜底。

Redis Bitmap 补签后连续签到区间从 3 天扩展到 5 天的边界复查

查询性能和 key 设计的几个边界

  • 按月建 key:月度位图最多约 31 位,key 边界直观,归档也简单。
  • 避免对超大范围频繁逐位 GETBIT:连续统计应限制最大回溯天数,或维护经过验证的周期汇总。
  • 写入要幂等:同一天重复 SETBIT ... 1 不会重复计数,但积分奖励不能直接跟着每次请求发放。
  • 检查空 key 和越界日期:没有签到记录时,BITCOUNT 返回 0,应用层不要把它误判成一次异常。

在压测时分别记录 BITCOUNT、单日 GETBIT 和连续扫描的耗时。前三者的复杂度和访问次数不同,混在一个平均值里很容易掩盖最慢的那条路径。

常见问题

BITCOUNT 能直接得到连续签到天数吗?

不能。它统计指定 key 或字节范围内的 1 的总数,两个不相邻的签到日也会被一起计算。连续天数需要从基准日期逐位判断,直到遇到第一个 0。

为什么不把全年签到放进一个 Bitmap?

全年位图本身不大,但按月拆分更容易处理自然月统计、冷热数据和过期策略。只有当业务经常跨年查询,并且已经定义好日期偏移规则时,全年 key 才更合适。

补签后应该立刻更新连续天数缓存吗?

可以更新,但不能只做加一。应根据补签前后的位图重新扫描受影响区间,并让重复补签保持幂等;如果采用异步重算,读取端仍应能从 Bitmap 得到正确兜底值。

落地时记住这条判断线

Bitmap 解决的是“每天有没有签到”的紧凑存储问题,连续签到、补签奖励和跨月展示则属于业务计算。把日期偏移、统计口径和重算触发条件写进接口契约,再用几组跨月、断签、补签和重复请求用例验收,后续换 key 结构时才不会只看空间占用而漏掉语义错误。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
MySQL 外键删除为什么失败:RESTRICT、CASCADE 与锁等待的排查边界MySQL 外键删除为什么失败:RESTRICT、CASCADE 与锁等待的排查边界
上一篇
MySQL 外键删除为什么失败:RESTRICT、CASCADE 与锁等待的排查边界
GitHub Actions 如何手动运行 workflow_dispatch 工作流:入口、分支与输入校验
下一篇
GitHub Actions 如何手动运行 workflow_dispatch 工作流:入口、分支与输入校验
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    395次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    474次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    479次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    423次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    250次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码