Java应用通过Jedis或Redisson实现Redis map分页查询的方法咨询

Redis 本身没有为Hash结构提供原生的范围分页查询指令，针对100MB量级的Hash数据，推荐使用HSCAN增量迭代指令实现分批拉取，既不会阻塞Redis实例，也能灵活控制每次拉取的数据量，避免带宽占用过高。下面分别给出Jedis和Redisson两款客户端的实现方式：

Jedis 实现 #

Jedis直接封装了原生的hscan指令，你需要手动处理游标迭代逻辑：

• 核心逻辑：初始游标传入0，每次迭代后使用返回的新游标发起下一次请求，直到游标返回0即遍历完成
• 可通过count参数指定单次拉取的条目数量hint，Redis会尽可能返回接近该数量的条目

代码示例：

import redis.clients.jedis.Jedis;
import redis.clients.jedis.ScanParams;
import redis.clients.jedis.ScanResult;
import java.util.Map;

public class HashPageDemo {
    public void pageFetchHash(String hashKey) {
        // 替换为自身业务的Jedis实例获取逻辑
        try (Jedis jedis = new Jedis("127.0.0.1", 6379)) {
            String cursor = ScanParams.SCAN_POINTER_START;
            // 可根据单条entry大小调整批次大小，比如单条1KB的话单次拉100条就是100KB左右
            ScanParams scanParams = new ScanParams().count(100);
            do {
                ScanResult<Map.Entry<String, String>> scanResult = jedis.hscan(hashKey, cursor, scanParams);
                // 本次拉取到的批次数据，可直接返回给UI做展示
                Map<String, String> batchData = scanResult.getResult();
                // 处理业务逻辑
                handleBatchData(batchData);
                // 更新游标
                cursor = scanResult.getCursor();
            } while (!"0".equals(cursor));
        }
    }

    private void handleBatchData(Map<String, String> batchData) {
        // 业务处理逻辑
    }
}

Redisson 实现 #

Redisson已经对HSCAN做了高度封装，无需手动处理游标，直接调用封装好的迭代器即可：

• 调用entryIterator方法时传入的参数即为单次拉取的批次大小
• 迭代器会自动处理游标更迭、异常重试等逻辑，代码更简洁

代码示例：

import org.redisson.Redisson;
import org.redisson.api.RMap;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;
import java.util.Map;

public class RedissonHashPageDemo {
    public void pageFetchHash(String hashKey) {
        // 替换为自身业务的Redisson配置
        Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379");
        RedissonClient redisson = Redisson.create(config);

        RMap<String, String> redisMap = redisson.getMap(hashKey);
        // 单次拉取100条
        Iterable<Map.Entry<String, String>> entryIterator = redisMap.entryIterator(100);
        for (Map.Entry<String, String> entry : entryIterator) {
            // 处理单条数据，也可攒够批次后统一返回给UI
            handleEntry(entry);
        }
    }

    private void handleEntry(Map.Entry<String, String> entry) {
        // 业务处理逻辑
    }
}

注意事项与优化建议 #

• 如果业务需要支持前端跳转到指定页码的分页场景，不推荐直接使用HSCAN，可以额外维护一个ZSet结构存储Hash的所有field，将页码作为权重，使用ZRANGE指令拿到对应页的field列表后，再调用HMGET批量获取对应value，分页精度更高
• 不要使用HKEYS或者HGETALL先拉全量数据再内存分页，数据量较大时会占用过多Redis输出缓冲区，同时也会造成带宽浪费
• 热点分页数据可以增加本地缓存层，减少重复请求Redis的次数，进一步降低带宽消耗

内容的提问来源于stack exchange，提问作者dev Joshi