【Redis】Redis 高级数据类型Bitmaps、HyperLogLog、GEO

一、Bitmaps

image.png

对于bitmap，我们取值的时候，需要知道bit的位置，改值的时候，需要知道位置和修改结果。取值和修改的操作变得复杂了一些，但是节省了存储空间，属于时间换空间。其实redis并没有提供bitmap这种数据类型，只是提供了对string类型操作bit的接口

1. Bitmaps基本操作

设置指定key对应偏移量上的bit值，value只能是1或0

setbit key offset value

获取指定key对应偏移量上的bit值

getbit key offset

image.png

如果我们在一个比较大的位设置的时候，这是比较耗时的，同时也耗费空间

image.png

所以当我们设置的位都很大的时候，我们统一减去一个offset后，再进行setbit

2. Bitmaps扩展操作

电影网站业务场景

• 统计每天某一部电影是否被点播
• 统计每天有多少部电影被点播
• 统计每周/月/年有多少部电影被点播
• 统计年度哪部电影没有被点播

image.png

对指定key按位进行交、并、非、异或操作，并将结果保存到destKey中

bitop op dstKey key1 [key2…]  # op是位操作符，and or not xor，key1、key2是运算数，dstKey用于存放运算结果

统计指定key中1的数量

bitcount key [start end]

image.png

分别查看8月8日和8月9日被看过电影的数量（哪些bit为1）

image.png

统计8号和9号有哪些电影被看了（8号和9号被看得bit置为1，用逻辑或即可得到被看的所有电影）

image.png

二、HyperLogLog

统计独立UV的方法有如下几种：

原始方案 set：存储每个用户的id（字符串） 改进方案Bitmaps：存储每个用户状态（bit) 全新的基数统计方案：Hyperloglog。应用场景单一，只做基数统计

基数就是数据集去重后元素的个数，HyoerLogLog运用了LogLog的算法，做基数统计

image.png

HyperLogLog类型的基本操作

• 添加数据

pfadd key element [element …]

• 统计数据

pfcount key [key …]

• 合并数据

pfmerge destkey sourcekey [sourcekey …]

image.png

相关注意事项

• HyperLogLog用于基数统计，不是集合，不保存数据，只记录数量而不是具体数据
• 核心是计数估算算法，最终数值存在一定误差，误差范围大概是0.81%
• 消耗空间极小，每个hyperloglog key占用了12k的内存用于标记基数
• pfadd命令不是一次性使用12k内存，会随着基数的增加内存逐渐增大，12k是上限
• pfmerge命令合并后占用的内存空间为12k（涉及到分桶，默认用最大的空间12K），无论合并之前数据量多少

三、GEO

image.png

GEO类型的基本操作

• 添加坐标点

# key：容器名   
# longitude latitude：横纵坐标
# member：地点名称
geoadd key longitude latitude member [longitude latitude member]  

• 获取坐标点

geopos key member[member …]

• 计算坐标点距离

geodist key member1 member2 [unit]

image.png

• 根据坐标求范围内的数据

georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]

• 根据点求范围内的数据

georadiusbymember key member radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]

• 获取指定点对应的坐标的hash值

geohash key member [member ...]

image.png

image.png

image.png

image.png