最后
作为过来人,小编是整理了很多进阶架构视频资料、面试文档以及PDF的学习资料,针对上面一套系统大纲小编也有对应的相关进阶架构视频资料
127.0.0.1:6379> setbit x 1 1
(integer) 0
127.0.0.1:6379> get x
“\xc0”
统计和查找
Redis 提供了位图统计指令 bitcount 和位图查找指令 bitpos,bitcount 用来统计指定位置范围内 1 的个数,bitpos 用来查找指定范围内出现的第一个 0 或 1。
比如我们可以通过 bitcount 统计用户一共签到了多少天,通过 bitpos 指令查找用户从 哪一天开始第一次签到。如果指定了范围参数[start, end],就可以统计在某个时间范围内用户 签到了多少天,用户自某天以后的哪天开始签到。
遗憾的是, start 和 end 参数是字节索引,也就是说指定的位范围必须是 8 的倍数, 而不能任意指定。这很奇怪,我表示不是很能理解 Antirez 为什么要这样设计。因为这个设 计,我们无法直接计算某个月内用户签到了多少天,而必须要将这个月所覆盖的字节内容全 部取出来 (getrange 可以取出字符串的子串) 然后在内存里进行统计,这个非常繁琐。
接下来我们简单试用一下 bitcount 指令和 bitpos 指令:
127.0.0.1:6379> set w hello
OK
127.0.0.1:6379> bitcount w
(integer) 21
127.0.0.1:6379> bitcount w 0 0 # 第一个字符中 1 的位数
(integer) 3
127.0.0.1:6379> bitcount w 0 1 # 前两个字符中 1 的位数
(integer) 7
127.0.0.1:6379> bitpos w 0 # 第一个 0 位
(integer) 0
127.0.0.1:6379> bitpos w 1 # 第一个 1 位
(integer) 1
127.0.0.1:6379> bitpos w 1 1 1 # 从第二个字符算起,第一个 1 位
(integer) 9
127.0.0.1:6379> bitpos w 1 2 2 # 从第三个字符算起,第一个 1 位
(integer) 17
魔术指令 bitfield
前文我们设置 (setbit) 和获取 (getbit) 指定位的值都是单个位的,如果要一次操作多个 位,就必须使用管道来处理。 不过 Redis 的 3.2 版本以后新增了一个功能强大的指令,有 了这条指令,不用管道也可以一次进行多个位的操作。 bitfield 有三个子指令,分别是 get/set/incrby,它们都可以对指定位片段进行读写,但是最多只能处理 64 个连续的位,如果 超过 64 位,就得使用多个子指令,bitfield 可以一次执行多个子指令。
127.0.0.1:6379> set w hello
OK
127.0.0.1:6379> bitfield w get u4 0 # 从第一个位开始取 4 个位,结果是无符号数 (u)
(integer) 6
127.0.0.1:6379> bitfield w get u3 2 # 从第三个位开始取 3 个位,结果是无符号数 (u)
(integer) 5
127.0.0.1:6379> bitfield w get i4 0 # 从第一个位开始取 4 个位,结果是有符号数 (i)
- (integer) 6
127.0.0.1:6379> bitfield w get i3 2 # 从第三个位开始取 3 个位,结果是有符号数 (i)
- (integer) -3
所谓有符号数是指获取的位数组中第一个位是符号位,剩下的才是值。如果第一位是 1,那就是负数。无符号数表示非负数,没有符号位,获取的位数组全部都是值。有符号数最 多可以获取 64 位,无符号数只能获取 63 位 (因为 Redis 协议中的 integer 是有符号数, 最大 64 位,不能传递 64 位无符号值)。如果超出位数限制,Redis 就会告诉你参数错误。
接下来我们一次执行多个子指令:
127.0.0.1:6379> bitfield w get u4 0 get u3 2 get i4 0 get i3 2
-
(integer) 6
-
(integer) 5
-
(integer) 6
-
(integer) -3
wow,很魔法有没有!
然后我们使用 set 子指令将第二个字符 e 改成 a,a 的 ASCII 码是 97。
127.0.0.1:6379> bitfield w set u8 8 97 # 从第 8 个位开始,将接下来的 8 个位用无符号数 97 替换
- (integer) 101
127.0.0.1:6379> get w
“hallo”
再看第三个子指令 incrby,它用来对指定范围的位进行自增操作。既然提到自增,就有 可能出现溢出。如果增加了正数,会出现上溢,如果增加的是负数,就会出现下溢出。Redis 默认的处理是折返。如果出现了溢出,就将溢出的符号位丢掉。如果是 8 位无符号数 255, 加 1 后就会溢出,会全部变零。如果是 8 位有符号数 127,加 1 后就会溢出变成 -128。 接下来我们实践一下这个子指令 incrby :
127.0.0.1:6379> set w hello
OK
127.0.0.1:6379> bitfield w incrby u4 2 1 # 从第三个位开始,对接下来的 4 位无符号数 +1
- (integer) 11
127.0.0.1:6379> bitfield w incrby u4 2 1
- (integer) 12
127.0.0.1:6379> bitfield w incrby u4 2 1
- (integer) 13
127.0.0.1:6379> bitfield w incrby u4 2 1
- (integer) 14
127.0.0.1:6379> bitfield w incrby u4 2 1
- (integer) 15
127.0.0.1:6379> bitfield w incrby u4 2 1 # 溢出折返了
- (integer) 0
bitfield 指令提供了溢出策略子指令 overflow,用户可以选择溢出行为,默认是折返 (wrap),还可以选择失败 (fail) 报错不执行,以及饱和截断 (sat),超过了范围就停留在最大 最小值。overflow 指令只影响接下来的第一条指令,这条指令执行完后溢出策略会变成默认 值折返 (wrap)。
接下来我们分别试试这两个策略的行为
饱和截断 SAT
127.0.0.1:6379> set w hello
OK
127.0.0.1:6379> bitfield w overflow sat incrby u4 2 1
- (integer) 11
127.0.0.1:6379> bitfield w overflow sat incrby u4 2 1
- (integer) 12
127.0.0.1:6379> bitfield w overflow sat incrby u4 2 1
- (integer) 13
127.0.0.1:6379> bitfield w overflow sat incrby u4 2 1
- (intege) 14
127.0.0.1:6379> bitfield w overflow sat incrby u4 2 1
- (integer) 15
127.0.0.1:6379> bitfield w overflow sat incrby u4 2 1 # 保持最大值
- (integer) 15
失败不执行 FAIL
127.0.0.1:6379> set w hello
OK
127.0.0.1:6379> bitfield w overflow fail incrby u4 2 1
- (integer) 11
127.0.0.1:6379> bitfield w overflow fail incrby u4 2 1
- (integer) 12
127.0.0.1:6379> bitfield w overflow fail incrby u4 2 1
- (integer) 13
127.0.0.1:6379> bitfield w overflow fail incrby u4 2 1
- (integer) 14
127.0.0.1:6379> bitfield w overflow fail incrby u4 2 1
- (integer) 15
127.0.0.1:6379> bitfield w overflow fail incrby u4 2 1 # 不执行
- (nil)
应用四:四两拨千斤 —— HyperLogLog
========================
在开始这一节之前,我们先思考一个常见的业务问题:如果你负责开发维护一个大型的 网站,有一天老板找产品经理要网站每个网页每天的 UV 数据,然后让你来开发这个统计模 块,你会如何实现?
如果统计 PV 那非常好办,给每个网页一个独立的 Redis 计数器就可以了,这个计数器 的 key 后缀加上当天的日期。这样来一个请求,incrby 一次,最终就可以统计出所有的 PV 数据。
但是 UV 不一样,它要去重,同一个用户一天之内的多次访问请求只能计数一次。这就 要求每一个网页请求都需要带上用户的 ID,无论是登陆用户还是未登陆用户都需要一个唯一 ID 来标识。
你也许已经想到了一个简单的方案,那就是为每一个页面一个独立的 set 集合来存储所 有当天访问过此页面的用户 ID。当一个请求过来时,我们使用 sadd 将用户 ID 塞进去就可以了。通过 scard 可以取出这个集合的大小,这个数字就是这个页面的 UV 数据。没错,这 是一个非常简单的方案。
但是,如果你的页面访问量非常大,比如一个爆款页面几千万的 UV,你需要一个很大 的 set 集合来统计,这就非常浪费空间。如果这样的页面很多,那所需要的存储空间是惊人 的。为这样一个去重功能就耗费这样多的存储空间,值得么?其实老板需要的数据又不需要太精确,105w 和 106w 这两个数字对于老板们来说并没有多大区别,So,有没有更好的解 决方案呢?
这就是本节要引入的一个解决方案,Redis 提供了 HyperLogLog 数据结构就是用来解决 这种统计问题的。HyperLogLog 提供不精确的去重计数方案,虽然不精确但是也不是非常不精确,标准误差是 0.81%,这样的精确度已经可以满足上面的 UV 统计需求了。
HyperLogLog 数据结构是 Redis 的高级数据结构,它非常有用,但是令人感到意外的是,使用过它的人非常少。
使用方法
HyperLogLog 提供了两个指令 pfadd 和 pfcount,根据字面意义很好理解,一个是增加 计数,一个是获取计数。pfadd 用法和 set 集合的 sadd 是一样的,来一个用户 ID,就将用 户 ID 塞进去就是。pfcount 和 scard 用法是一样的,直接获取计数值。
pfadd 添加
-
影响基数估值则返回1否则返回0.若key不存在则创建
-
时间复杂度O(1)
127.0.0.1:6379> pfadd m1 1 2 341232222
(integer) 1
pfcount 获得基数值
-
得到基数值,白话就叫做去重值(1,1,2,2,3)的插入pfcount得到的是3
-
可一次统计多个key
-
时间复杂度为O(N),N为key的个数
-
返回值是一个带有 0.81% 标准错误(standard error)的近似值.
127.0.0.1:6379> pfaddm1 1 2341232222
(integer) 1
127.0.0.1:6379> pfcount m1
(integer) 4
pfmerge 合并多个key
-
取多个key的并集
-
命令只会返回 OK.
-
时间复杂度为O(N)
127.0.0.1:6379> pfaddm1 12341 232222
最后
如果觉得本文对你有帮助的话,不妨给我点个赞,关注一下吧!
127.0.0.1:6379> pfaddm1 12341 232222
最后
如果觉得本文对你有帮助的话,不妨给我点个赞,关注一下吧!
[外链图片转存中…(img-msyqTy35-1715005203664)]
[外链图片转存中…(img-x4HH6MF7-1715005203665)]