Redis t-digest压缩参数怎样影响内存与精度

Redis t-digest 的 COMPRESSION 控制分位数估算的精度与内存取舍：较高的值通常允许保留更细的摘要信息，倾向于提高精度，同时付出更多内存成本。它不是“数值越大压得越小”的文件压缩等级。官方 TDIGEST.CREATE 文档给出的默认值是 100，并说明 1000 更精确；这不是固定误差保证，也不表示提高十倍参数就得到十倍精度。

官方地址：https://redis.io/docs/latest/commands/tdigest.create/

先固定输入口径，参数比较才有意义

假设你要估算接口延迟的 P50、P95 和 P99，样本应统一为同一种单位，例如毫秒。两个待比较的摘要必须接收同一批值、同一顺序和相同批次划分；别把一边的请求延迟与另一边的任务耗时混用。参数无法修复漏报、重复写入或单位混杂。

先定义统计窗口和样本来源，再确定误差怎么衡量。比如你真正关心的是 P99 的数值偏差，而不是所有分位点的平均偏差。可以保留一份离线原始样本，用明确的分位数定义计算参考值。插值分位数和最近秩分位数不是同一种口径，比较时必须写清所用定义。

摘要保留的是结构信息，不是完整明细

t-digest 用质心摘要来表示数据分布，同时存在尚未合并的观测缓冲。COMPRESSION 与摘要的精细程度和资源使用有关，不应理解成“设置为 100 就只保留 100 个原始值”。TDIGEST.INFO 可以读到 Compression、Capacity、Merged nodes、Unmerged nodes、Observations 和 Memory usage 等信息。

Capacity 描述存储质心及未合并观测的缓冲容量，Memory usage 是摘要分配的字节数。它们不能代替整个 Redis 进程的内存统计，也不等于样本数量。Observations 用来核对累计写入的观测数量，而不是据此判断分位数已经精确。

创建两个独立摘要，喂入相同样本

以下 shell 命令仅供支持 TDIGEST 命令的隔离测试环境使用，两个 demo 键必须是本次独立测试的新键。逐条确认 CREATE 成功后再写入；如果键已存在或命令失败，先处理实际错误，不要继续往旧数据里追加。这里选 100 和 1000 只是演示比较方式，不是针对生产系统的统一推荐。

# 创建两个专用测试摘要，只改变压缩参数
redis-cli TDIGEST.CREATE demo:td:comparison:c100 COMPRESSION 100
redis-cli TDIGEST.CREATE demo:td:comparison:c1000 COMPRESSION 1000

# 保持单位、值顺序和批次一致，样本只用于学习命令
redis-cli TDIGEST.ADD demo:td:comparison:c100 9 11 11 14 18 23 41 96 210 680
redis-cli TDIGEST.ADD demo:td:comparison:c1000 9 11 11 14 18 23 41 96 210 680

小样本足以核对命令和数据口径，但通常不足以体现参数在真实分布上的精度取舍。正式选型应覆盖代表性的样本量、重复值、长尾值和峰值时段，不把十个数的结果当成大规模数据的保证。本文未运行这些命令，也没有填入虚构内存或误差结果。

把内存观测和误差比较分开记录

# 一次读取多个关注分位点，输入比例在0到1之间
redis-cli TDIGEST.QUANTILE demo:td:comparison:c100 0.5 0.95 0.99
redis-cli TDIGEST.QUANTILE demo:td:comparison:c1000 0.5 0.95 0.99

# 核对压缩参数、观测数量及摘要分配的内存字节数
redis-cli TDIGEST.INFO demo:td:comparison:c100
redis-cli TDIGEST.INFO demo:td:comparison:c1000

先核对 Compression 是否是预期值、Observations 是否一致；再记录各个分位点估算及 Memory usage。INFO 不会直接给出“当前误差率”，误差需要使用同一份原始样本的参考分位数计算。两个配置的结果相同，也不证明它们对所有分布都等价。

数值误差可记录为估算值与参考值之差的绝对值。若使用相对误差，参考值为零时要单独处理，不能直接除零。秩误差关注估算值在原始分布中的位置，与数值误差不是同一个指标；大量重复值也会影响位置解释。选参数时优先使用与你的业务决策有关的指标。

参数不能替你处理空数据和错误

空摘要的 QUANTILE 返回 nan，不能把它变成“延迟为 0”。键缺失、键类型不正确、分位点解析失败等情况属于错误响应，也不应该被吞掉成为零值。在非空摘要上，官方说明分位点 0 和 1 分别对应准确的最小、最大观测值，但这不意味着 P95 或 P99 也因此精确。

提高目标配置也不能自动重新获得已经丢弃的原始细节。若需要重新比较不同参数，最好从同一份可信原始样本构建独立摘要。只保留旧摘要再调整后续处理，不能声称恢复了历史明细。合并多个摘要时还应另行核实 TDIGEST.MERGE 的参数和语义，本文不把合并当成无损重新计算。

保存结论，再安排测试键生命周期

测试记录至少保留 Redis及相关组件版本、压缩参数、输入批次、单位、统计窗口、基线定义、目标分位点、内存字节数和误差指标。只有在关注分位点的误差满足要求、资源成本也能接受时，才选定配置。不要只因为“1000 更精确”就给每个业务键都设置同一个大参数。

生产摘要按应用窗口管理保留期；需要复核的数据另行保存明细或可信来源，摘要不是事件档案。本文示例键在比较完成后由测试环境维护者按既定规则清理，不提供作用于生产键的批量清除命令。避免反复向同一示例键追加，污染下一次比较。

相关问题

COMPRESSION 越大是不是越省内存？不是，应按精度与内存的取舍理解，并读取实际摘要内存。

1000 能保证 P99 精确吗？不能。需要在自己的样本、口径和目标分位点上比较，不能套用固定误差承诺。

只看 INFO 能知道精度吗？不能。INFO 提供结构与资源信息，误差仍需对照原始样本的参考计算。

参考 TDIGEST.CREATE、TDIGEST.INFO、TDIGEST.QUANTILE及TDIGEST.ADD 官方说明。本文比较方法是工程建议，不是参数对应固定准确率的承诺。