Redis-Bitmaps、HyperLogLog、GEO类型
Bitmaps位图类型
1. 简单介绍
- 1个字节等于8位，abc”分别对应的ASCII码分别是97、 98、 99， 对应的二进制分别是01100001、 01100010和01100011
- Bitmaps本身不是一种数据类型， 实际上它就是字符串（key-value） ， 但是它可以对字符串的位进行操作
- 可以把Bitmaps想象成一个以位为单位的数组， 数组的每个单元只能存储0和1， 数组的下标在Bitmaps中叫做偏移量
- 支持的最大位数是2^32位，它可以极大的节约存储空间，使用512M内存就可以存储多达42.9亿的字节信息(2^32 = 4294967296)
2. setbit：设置Bitmaps中某个偏移量的值（0或1）
- offset：偏移量从0开始
- 在第一次初始化Bitmaps时， 假如偏移量非常大， 那么整个初始化过程执行会比较慢， 可能会造成Redis的阻塞
setbit <key> <offset> <value>
3. getbit：获取Bitmaps中某个偏移量的值
getbit <key> <offset>
4. bitcount：统计字符串被设置为1的bit数
- start 和 end 参数的设置，都可以使用负数值：比如 -1 表示最后一个位，而 -2 表示倒数第二个位
- start、end 是指bit组的字节的下标数，二者皆包含
- redis的setbit设置或清除的是bit位置，而bitcount计算的是byte位置
bitcount <key> [start end]
5. bitop：一个复合操作
- 多个Bitmaps的and（交集）、or（并集）、not（非）、xor（异或）操作并将结果保存在destkey
bitop and(or/not/xor) <destkey> [key…]
setbit unique:users:20201104 1 1
setbit unique:users:20201104 2 1
setbit unique:users:20201104 5 1
setbit unique:users:20201104 9 1setbit unique:users:20201103 0 1
setbit unique:users:20201103 1 1
setbit unique:users:20201103 4 1
setbit unique:users:20201103 9 1
6. Bitmaps与set对比
set和Bitmaps存储一天活跃用户对比 | |||
数据类型 | 每个用户id占用空间 | 需要存储的用户量 | 全部内存量 |
集合类型 | 64位 | 50000000 | 64位*50000000 = 400MB |
Bitmaps | 1位 | 100000000 | 1位*100000000 = 12.5MB |
set和Bitmaps存储一天活跃用户对比（独立用户比较少） | |||
数据类型 | 每个userid占用空间 | 需要存储的用户量 | 全部内存量 |
集合类型 | 64位 | 100000 | 64位*100000 = 800KB |
Bitmaps | 1位 | 100000000 | 1位*100000000 = 12.5MB |
HyperLogLog基数统计类型
1. 简单介绍
- 基数含义：比如数据集 {1, 3, 5, 7, 5, 7, 8}， 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素的个数)为5。 基数估计就是在误差可接受的范围内，快速计算基数
- HyperLogLog 是用来做基数统计的算法，优点是在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定的、并且是很小的
- 在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比
- HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素
2. UV和PV
- PV：PageView，页面访问量
- UV：UniqueVisitor，独立访客
3. pfadd：添加指定元素到 HyperLogLog 中
- 执行命令后HyperLogLog估计的近似基数发生变化，则返回1，否则返回0
pfadd <key> < element> [element ...]
4. pfcount：计算HLL的近似基数
- 可以计算多个HLL，比如用HLL存储每天的UV，计算一周的UV可以使用7天的UV合并计算
pfcount <key> [key ...] 
5. pfmerge：多个HLL合并
- 比如每月活跃用户可以使用每天的活跃用户来合并计算可得
pfmerge <destkey> <sourcekey> [sourcekey ...] 
Geospatial地理空间类型
1. 简单介绍
- Redis 3.2 中增加了对GEO类型的支持。GEO，Geographic，地理信息的缩写
- 该类型，就是元素的2维坐标，在地图上就是经纬度
- redis基于该类型，提供了经纬度设置，查询，范围查询，距离查询，经纬度Hash等常见操作
2. geoadd：添加地理位置（经度，纬度，名称）
- 有效的经度从 -180 度到 180 度，
- 有效的纬度从 -85.05112878 度到 85.05112878 度
- 在地球仪上与赤道平行的都是纬度，与赤道垂直的都是经度。（横纬竖经）
- 当坐标位置超出指定范围时，该命令将会返回一个错误
- 已经添加的数据，是无法再次往里面添加的
- 一般会下载城市数据，直接通过 Java 程序一次性导入
geoadd <key> <longitude> <latitude> <member> [longitude latitude member...]
3. geopos：获得指定地区的坐标值
geopos <key> <member> [member...] 
4. geodist： 获取两个位置之间的直线距离
- m 表示单位为米[默认值]
- km 表示单位为千米
- mi 表示单位为英里
- ft 表示单位为英尺
geodist <key> <member1> <member2> [m|km|ft|mi ] 
5. georadius：以给定的经纬度为中心，找出某一半径内的元素
georadius <key> < longitude> <latitude> radius m|km|ft|mi 