若一个K的V很大，则可能对Redis产生明显的性能影响。因为Redis是单线程模型，对于大K进行查询或删除，可能会导致Redis阻塞。
那我们开发时应该如何查询Redis中的大K，以及如何在设计上实现大K的拆分呢，即如何优化？
单K存储的V很大
需要整存整取的K
将对象分拆成几个K.V， 使用multiGet获取值。拆分旨在降低单次I/O操作的压力，将压力平摊到多个Redis实例，降低对单个redis的I/O影响。
该对象每次只需要存取部分数据
类似上一种方案，拆分成几个K.V；
也可将这个大对象存储在一个hash，每个field代表一个具体属性
-
hget、hmget获取部分V
-
hset，hmset更新部分属性
集群存储了大量K
若K过多，会带来更多内存空间占用：
-
K本身的空间占用
每个K都会有一个前缀 -
集群模式中，服务端需要建立一些slot2key的映射关系
这其中的指针占用在K多时，也是空间的巨大浪费
如上方面在K达到上亿量级时消耗内存很严重。所以减少K的个数，即可减少内存消耗，可考虑转Hash结构存储，即原先是使用String存储的，现在改为将多个key存储在一个Hash。
key本身具备强相关性
比如多个K代表一个对象，每个K是对象的一个属性，这种可直接按照特定对象的特征来设置一个新K——Hash结构， 原先的K则作为这个新Hash 的field。
key本身无相关性
预估总量，预分一个固定的桶数量：
比如现在预估K总计2亿，按一个hash存储 100个field算，需要 2亿 / 100 = 200W 个桶 (200W 个K占用的空间很少，2亿可能有近20G )。
现在按200W固定桶分，即先计算出桶的序号
hash(123456789) % 200W
最好保证该hash算法的值是个正数，否则需要调整模除的规则。
这样算出三个key 的桶分别是 1、2、2。所以
-
存储时调用hset(key, field, value)
-
读取时使用hget（key， field）
