1. 原理与设计
1.1 为什么使用位图存储每日签到
在实现“每日签到”功能时，位图是一种极具内存效率的结构，能将每个日期的“签到状态”映射为一个二进制位。Redis 位图通过 SETBIT/GETBIT 操作，能够对单日的签到状态进行原子写入与查询，兼具快速响应与高并发处理能力。本文围绕 Redis 位图实现每日签到功能的详细教程，聚焦原理、设计要点与代码示例，帮助你搭建一个高性能的签到系统。
采用位图的核心在于将大量的签到记录压缩存储在一条字符串中，节省内存、并且通过 BITCOUNT 等命令实现快速统计。对于单用户来说，可以按月建立一个键，每天对应一个比特位，从而实现简单而高效的签到记录。此设计也便于将来扩展为跨月统计与跨系统对齐。
1.2 位图的核心操作
Redis 提供了几组高效的位操作命令：SETBIT用于写入某一天的签到状态、GETBIT用于读取某一天的签到状态，以及 BITCOUNT用于统计某个键（即某个月份某个用户）中已签到的天数。通过组合这些命令，可以实现一个轻量级的每日签到系统，而无需为每个用户维护复杂的数据结构。
此外，BITOP 可以对多条位图做按位运算，适用于跨用户、跨月份的聚合统计，但常见场景下，逐月的单用户位图就足以覆盖大多数需求。通过键命名规范和日期分区，可以实现高效的查询与统计。
2. 数据模型与键设计
2.1 键命名策略
为了实现清晰的月度聚合和简化查询，推荐采用 per-user per-month 的键设计，例如：signin:
使用这一键设计时，日常查询通常只需要构造正确的 key 和位偏移即可完成，而跨月访问则通过不同的月份键进行切换。若将来需要对全量用户进行跨月汇总，可以在服务器端再引入一个汇总键，但初始阶段以单用户单月位图为主更易于上线与维护。
2.2 日期与时区处理
在实现中，日期的正确性直接影响到位图的位索引。建议统一以服务器时区或应用时区进行日期计算，避免时区混乱导致的签到错位。按月分区时，需确保 day 字段从 1 到当月天数，且在生成键时对齐格式，如 YYYYMM 的分区命名。
为了提升可维护性，可以在应用层统一封装日期计算逻辑，将 day 与 month 传递给 Redis 操作，确保位图索引的一致性。
2.3 批量统计与导出设计
当需要统计某个日期范围内的签到总数或导出数据时，可以利用 BITCOUNT 对单月/单用户的位图进行快速统计。若要跨月聚合，需要对多个月份的位图进行聚合，可以使用 BITOP（如 AND、OR、NOT、XOR 等）将多个月份的位图结果合并到一个临时键上进行统计。
在设计时，应考虑数据生命周期：如何归档过往月份、如何清理不再需要的月度位图键，以及如何保障统计时的原子性与一致性。
3. 实现步骤与算法要点
3.1 签到操作的原子性与幂等性
签到操作的核心是对某一天的位进行置位，SETBIT 本身是原子操作， ensures 并发写入时不会产生数据竞争。为了实现幂等性，可以在写入前先读取该位（GETBIT），若已经为 1，则表示已签到；若为 0，再执行 SETBIT 将其置为 1。通过这种方式，可以避免重复签到对统计的误导。
另外，可以将签到与统计分离，以 Lua 脚本为媒介实现原子多步操作，例如：如果当天未签到，则置位并返回“新签到”标记；如果已签到，则返回“重复签到”标记。Lua 脚本让多步逻辑在服务器端执行，减少网络往返和并发冲突。
3.2 连续签到天数的计算要点
计算连续签到天数通常需要从当前日期往前逐日检查位图位值。直接在应用层循环 GETBIT 是简单直观的实现，但在高并发场景下效率不高。为提升性能，可以使用 Lua 脚本 在 Redis 侧完成从当天往前的连续 1 的统计，避免多次往返。示例脚本会读取从 day-1 开始的位，遇到 0 即停止，返回连续的天数。
此外，可以结合 BITFIELD 获取一个连续区间的位段来一次性读取多日信息，再在应用端进行简单的位运算。无论哪种方法，目标都是将“连续签到天数”这一状态信息快速地回传给业务逻辑。
4. 代码示例
4.1 Python 实现：签到、查询与月度统计
# Python 3.x 版本示例（使用 redis-py）
import redis
from datetime import datetimer = redis.Redis(host='127.0.0.1', port=6379, db=0)def month_key(user_id: int, date: datetime) -> str:return f"signin:{user_id}:{date.strftime('%Y%m')}"def sign_in(user_id: int, date: datetime) -> bool:key = month_key(user_id, date)day_index = date.day - 1 # day 1 -> 位 0# 先检查是否已签到，提高幂等性认定if r.getbit(key, day_index) == 0:r.setbit(key, day_index, 1)return True # 新签到return False # 已签到def has_signed_in(user_id: int, date: datetime) -> bool:key = month_key(user_id, date)return bool(r.getbit(key, date.day - 1))def month_signed_count(user_id: int, date: datetime) -> int:key = month_key(user_id, date)return r.bitcount(key)# 使用示例
if __name__ == "__main__":user = 12345today = datetime.now()changed = sign_in(user, today)print("新签到:", changed)print("今日已签到:", has_signed_in(user, today))print("当月签到总数:", month_signed_count(user, today))4.2 Lua 脚本：计算当前月的连续签到天数
-- Lua 脚本：计算用户在某月的连续签到天数（从当天往前）
// KEYS[1] - 需要计算的月度位图键，例如：signin:12345:202405
// ARGV[1] - 当天日历中的 day（1-31）
local key = KEYS[1]
local day = tonumber(ARGV[1])
local count = 0
for i = day - 1, 0, -1 dolocal bit = redis.call('GETBIT', key, i)if bit == 1 thencount = count + 1elsebreakend
end
return count5. 进阶话题与性能优化
5.1 大量用户的并发写入与批量操作
在高并发场景下，使用管道（pipeline）或事务（MULTI/EXEC）对多用户的签到请求进行批处理，可以降低网络往返并提升吞吐量。对同一月的不同用户进行并发写入时，独立键化设计确保冲突最小化，BITSET 操作仍然具有原子性。
另一个思路是对签到数据进行“分区”，例如把同一日的多用户签到聚合到一个公共键进行并发聚合，最后再分发回各自的账户视图。此策略需要额外的缓存与幂等控制，但在海量用户场景下可显著提升吞吐。
5.2 跨月统计与归档策略
跨月统计时，BITOP 可以将多个月份的位图进行逻辑合并，便于导出与对比分析。归档方面，可以设定滚动策略：将过期月份的位图迁移至长期存储（如对象存储或离线数据库），以减小 Redis 的内存占用。
对于长期留存的数据，可以在应用中维护一个摘要统计，例如每月汇总的签到人数以及日均签到率，避免持续对同一组位图进行全量统计的成本。
