处理系统中海量红点（未读消息）的存储与统计，是一个典型的高并发、大数据量的业务场景。其核心挑战在于：写入频繁（消息推送）、读取极高频（每次打开APP/页面都要查）、数据量大（用户数 $\times$ 业务维度）。 以下是针对不同业务场景和量级的高效存储与统计方案，按从简单到复杂的演进路线进行分析： --- 一、 核心设计原则 1. 读写分离与异步化：红点产生（写）通常由消息触发，统计（读）由用户行为触发。 2. 冷热分离：活跃用户的红点数据在缓存（Redis），不活跃用户下沉到数据库或归档。 3. 全量与增量：客户端本地缓存未读数，服务端只推增量变化或仅在初始化时拉取全量。 --- 二、 方案选型与数据结构 方案 1：纯 Redis Hash 计数法（适用于大多数中大型系统） 这是最通用且性能最好的方案。利用 Redis 的 结构，以用户 ID 为 Key，业务类型（或会话 ID）为 Field，未读数为 Value。 Redis Key 设计： Hash 结构： 操作流程： 新增消息：，同时更新 。 读取红点：（获取该用户所有维度的红点）。 消除红点：（或直接 ），同时扣减 。...
播面