Redis新数据类型
Bitmaps
简介
现代计算机用二进制(位) 作为信息的基础单位, 1个字节等于8位, 例如“abc”字符串是由3个字节组成, 但实际在计算机存储时将其用二进制表示, “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,如下图
合理地使用操作位能够有效地提高内存使用率和开发效率。Redis提供了Bitmaps这个“数据类型”可以实现对位的操作:
- (1) 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。
- (2) Bitmaps单独提供了一套命令, 所以在Redis中使用Bitmaps和使用字符串的方法不太相同。 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。
命令
1、setbit
- 格式
setbit<key><offset><value>
: 设置Bitmaps中某个偏移量的值(0或1)
*offset:偏移量从0开始 - 实例
- 每个独立用户是否访问过网站存放在Bitmaps中, 将访问的用户记做1, 没有访问的用户记做0, 用偏移量作为用户的id。
- 设置键的第offset个位的值(从0算起) , 假设现在有20个用户,userid=1, 6, 11, 15, 19的用户对网站进行了访问, 那么当前Bitmaps初始化结果如图
- 可以使用 unique:users: 20201106 来作为 Bitmaps 的key值,代表 2020-11-06 这天的独立访问用户的 Bitmaps
注:
- 很多应用的用户id以一个指定数字(例如10000) 开头, 直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费, 通常的做法是每次做setbit操作时将用户id减去这个指定数字。
- 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。
2、getbit
- 格式
getbit<key><offset>
获取Bitmaps中某个偏移量的值
获取键的第offset位的值(从0开始算) - 实例
获取id=8的用户是否在2020-11-06这天访问过, 返回0说明没有访问过:
注:因为100根本不存在,所以也是返回0
3、bitcount
-
统计字符串被设置为 1 的 bit 数。
-
一般情况下,给定的整个字符串都会被进行计数,通过指定额外的 start 或 end 参数,可以让计数只在特定的位上进行。
-
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。
-
格式
bitcount<key>[start end]
统计字符串从start字节到end字节比特值为1的数量 -
实例
计算 2022-11-06 这天的独立访问用户数量
start 和 end 代表起始和结束字节数, 下面操作计算用户 id在第1个字节到第3个字节之间的独立访问用户数:
上面这三个用户,对应的用户id是11, 15, 19。(其他用户都为未访问过)用户的 id=0和3是在第 0个字节中。 -
下标详解:
- K1=
【01000001 01000000 00000000 00100001】
,对应下标为【0,1,2,3】
- bitcount K1 1 2 : 统计下标1、2字节组中bit=1的个数,即
01000000 00000000
所以 count 为 1 - bitcount K1 1 3 : 统计下标1、2,3字节组中bit=1的个数,即
01000000 00000000 00100001
,所以count=3 - bitcount K1 0 -2 : 统计下标0到下标倒数第2,字节组0,1,2中bit=1的个数,即
01000001 01000000 00000000
,所以count=3。
- K1=
-
注意:redis的setbit设置或清除的是bit位置,而bitcount计算的是byte位置。
4、bitop
-
格式
bitop and(or/not/xor) <destkey> [key…]
bitop是一个复合操作, 它可以做多个Bitmaps的and(交集) 、 or(并集) 、 not(非) 、 xor(异或) 操作并将结果保存在destkey中。
-
实例
2020-11-04 日访问网站的userid=1,2,5,9。setbit unique:users:20201104 1 1 setbit unique:users:20201104 2 1 setbit unique:users:20201104 5 1 setbit unique:users:20201104 9 1
2020-11-03 日访问网站的userid=0,1,4,9。
setbit unique:users:20201103 0 1 setbit unique:users:20201103 1 1 setbit unique:users:20201103 4 1 setbit unique:users:20201103 9 1
-
计算出两天都访问过网站的用户数量
bitop and unique:users:and:20201104_03#指定结果存储的key unique:users:20201103 unique:users:20201104# 指定被操作数
结果如下:
-
当然,也可以计算出任意一天都访问过网站的用户数量(例如月活跃就是类似这种) , 这可以使用
or求并集
。
Bitmaps与set对比
-
假设网站有1亿用户, 每天独立访问的用户有5千万, 如果每天用集合类型和 Bitmaps分别存储活跃用户可以得到如下的内容:
-
很明显, 这种情况下使用Bitmaps能节省很多的内存空间, 尤其是随着时间推移节省的内存还是非常可观的set和Bitmaps存储独立用户空间对比
-
但Bitmaps并不是万金油, 假如该网站每天的独立访问用户很少, 例如只有10万(大量的僵尸用户) , 那么两者的对比如下表所示, 很显然,这时候使用Bitmaps就不太合适了, 因为基本上大部分位都是0。
HyperLogLog
简介
背景
- 在工作当中,我们经常会遇到与统计相关的功能需求,比如统计网站PV(PageView)页面访问量,可以使用Redis的incr(自增)、incrby轻松实现。
- 但像UV(UniqueVisitor,独立访客)、独立IP数、搜索记录数等需要去重和计数的问题如何解决?这种求集合中不重复元素个数的问题称为基数问题。
解决基数问题有很多种方案:- (1)数据存储在MySQL表中,使用
distinct count
计算不重复个数 - (2)使用Redis提供的
hash、set、bitmaps
等数据结构来处理
- (1)数据存储在MySQL表中,使用
- 以上的方案结果精确,但随着数据不断增加,导致占用空间越来越大,对于非常大的数据集是不切实际的。
- 能否能够降低一定的精度来平衡存储空间?Redis推出了 HyperLogLog
概念
- HyperLogLog 是用来做基数统计的算法
- 底层是桶排序的思想,内部维护了16384个桶来记录各自桶的元素数量,当一个元素过来,它会散列到其中一个桶。
- HyperLogLog 的优点是,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。
- 但是,因为 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。
什么是基数?
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)为5。 基数估计就是在误差可接受的范围内,快速计算基数。
命令
1、pfadd
- 格式
pfadd <key>< element> [element ...]
添加指定元素到HyperLogLog 中 - 实例
将所有元素添加到指定 HyperLogLog 数据结构中。如果执行命令后HLL估计的近似基数发生变化,则返回1(true),否则返回0。
2、pfcount
-
格式 :
pfcount<key> [key ...]
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合并计算即可 -
实例:
3、pfmerge
- 格式:
pfmerge<destkey><sourcekey> [sourcekey ...]
将一个或多个HLL合并后的结果存储在另一个HLL中,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。并集取出后的结果存储到 hill3 中。 - 实例
Geospatial
简介
- 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。
命令
1、geoadd
-
格式
geoadd<key>< longitude><latitude><member> [longitude latitude member...]
添加地理位置(经度,纬度,名称) -
实例
geoadd china:city 121.47 31.23 shanghai geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
- 经纬度一般不会直接添加,会下载城市数据,直接通过 Java 程序一次性导入。
- 有效的经度从 -180 度到 180 度。有效的纬度从 -85.05112878 度到 85.05112878 度。
- 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。
2、geopos
- 格式
geopos <key><member> [member...]
获得指定地区的坐标值 - 实例
3、geodist
-
格式
geodist<key><member1><member2> [m|km|ft|mi ]
获取两个位置之间的直线距离 -
实例
获取两个位置之间的直线距离
单位:
- 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。
如果用户没有显式地指定单位参数, 那么 GEODIST 默认使用米作为单位
4、georadius
- 格式
georadius<key>< longitude><latitude>radius m|km|ft|mi
以给定的经纬度为中心,找出某一半径内的元素
参数:经度 纬度 距离 单位 - 实例
Jedis
入门案例请查看 《番外篇》
相关API
-
Key 相关参数的测试:
jedis.set("k1", "v1"); jedis.set("k2", "v2"); jedis.set("k3", "v3"); Set<String> keys = jedis.keys("*"); System.out.println(keys.size()); for (String key : keys) { System.out.println(key); } System.out.println(jedis.exists("k1")); System.out.println(jedis.ttl("k1")); System.out.println(jedis.get("k1"));
-
String 相关参数测试:
jedis.mset("str1","v1","str2","v2","str3","v3"); System.out.println(jedis.mget("str1","str2","str3"));
-
list 相关参数测试:
List<String> list = jedis.lrange("mylist",0,-1); for (String element : list) { System.out.println(element); }
-
set 相关参数设置
jedis.sadd("orders", "order01"); jedis.sadd("orders", "order02"); jedis.sadd("orders", "order03"); jedis.sadd("orders", "order04"); Set<String> smembers = jedis.smembers("orders"); for (String order : smembers) { System.out.println(order); } jedis.srem("orders", "order02");
-
Zset 相关参数测试:
jedis.hset("hash1","userName","lisi"); System.out.println(jedis.hget("hash1","userName")); Map<String,String> map = new HashMap<String,String>(); map.put("telphone","13810169999"); map.put("address","atguigu"); map.put("email","abc@163.com"); jedis.hmset("hash2",map); List<String> result = jedis.hmget("hash2", "telphone","email"); for (String element : result) { System.out.println(element); }
redis 完成手机
需求: 完成一个手机验证码功能
- 1、输入手机号,点击发送后随机生成6位数字码,2分钟有效
- 2、输入验证码,点击验证,返回成功或失败
- 3、每个手机号每天只能输入3次
具体思路
- 1、利用 random 随机生成 6 位数字验证码
- 2、把验证码放如到 redis中,设置过期时间为120秒(2min有效)
- 3、验证验证码是否一致:从 redis 中获取验证码和输入的验证码进行比较
- 4、每个手机每天只能发三次:利用
incr
每次发送+1,大于3 的时候就不发送了。
代码
-
1、利用 random 随机生成 6 位数字验证码
public static String getCode(){ Random random = new Random(); String code=""; for(int i=0;i<6;i++){ int rand = random.nextInt(10); code+=rand; } return code; }
-
2、获取并且保存验证码,再次过程中需要先对当前的次数进行验证
// 如果用户已经要来三次code了,则直接返回。 // 否则,将code的有效时间设置为120秒并且存入redis中 public static String Get_and_saveCode(String phone){ //因此需要两个 key:一个用来存验证码,一个用来存当前phone请求次数 String codekey = "Verify"+phone+":code"; String countkey = "Verify"+phone+":count"; //保证每天只能进行三次验证 //1. 连接jredis Jedis jedis = new Jedis("xxxxx",6379); jedis.auth("xxxx"); //2. 尝试取出当前次数 String count = jedis.get(countkey); if(count==null){ //将计数器放入redis中 //第二个参数为有效时间,相当于第二天后,就又可以重新获取验证码了 jedis.setex(countkey,24*60*60, "1"); }else { if(Integer.parseInt(count)<=3){ //利用icre自增 jedis.incr(countkey); }else { System.out.println("发送失败,今天的三次机会已经用完"); return null; } } // 将当前code 存入redis中 String code = getCode(); //为了方便观察,这里我们只设置 有效时间 45 秒 jedis.setex(codekey,2*60,code); jedis.close(); return code; }
-
3、模拟用户输入验证码,并且与redis中进行对比
public static void verifyCode(String ourcode,String phone){ String codekey = "Verify"+phone+":code"; String countkey = "Verify"+phone+":count"; //1. 连接jredis Jedis jedis = new Jedis("xxxx",6379); jedis.auth("xxxx"); String code = jedis.get(codekey); if (code==null){ System.out.println("当前验证码已经过期"); }else { if(code.equals(ourcode)){ System.out.println("验证成功,验证码相同"); } else{ System.out.println("验证失败~~"); System.out.println("redis中的验证码为:"+code+"---你的验证码为"+ourcode); } } }
-
4、 主函数的编写:
public static void main(String[] args) throws InterruptedException { //验证验证码是否正确以及 有效时间 System.out.println("============= 第一次 要求发送验证码!================"); String real_code = Get_and_saveCode("phone2"); System.out.println("=============发送成功,当前redis验证码为"+real_code+"=============" ); System.out.println("=============随便输入一个验证码:============="); verifyCode("213","phone2"); System.out.println("=============输入正确验证码:============="); verifyCode(real_code,"phone2"); System.out.println("=============等待2分钟,再输入争取验证码:============="); Thread.sleep(1000*60*2); verifyCode(real_code,"phone2"); //验证一天三次 System.out.println("============= 第二次 要求发送验证码!================"); real_code = Get_and_saveCode("phone2"); System.out.println("============= 第三次 要求发送验证码!================"); real_code = Get_and_saveCode("phone2"); } System.out.println("============= 第四次 要求发送验证码!================"); real_code = Get_and_saveCode("phone2");
-
5:结果如下所示:
Springboot 与 Jedis 整合
整合步骤
-
1、 在 pom.xml 文件中引入 redis 相关依赖
<!-- redis --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency> <!-- spring2.X集成redis所需common-pool2--> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-pool2</artifactId> <version>2.6.0</version> </dependency>
-
2、application.properties 编写 redis 所需配置
#Redis服务器地址 spring.redis.host=192.168.140.136 #Redis服务器连接端口 spring.redis.port=6379 #Redis数据库索引(默认为0) spring.redis.database= 0 #连接超时时间(毫秒) spring.redis.timeout=1800000 #连接池最大连接数(使用负值表示没有限制) spring.redis.lettuce.pool.max-active=20 #最大阻塞等待时间(负数表示没限制) spring.redis.lettuce.pool.max-wait=-1 #连接池中的最大空闲连接 spring.redis.lettuce.pool.max-idle=5 #连接池中的最小空闲连接 spring.redis.lettuce.pool.min-idle=0
-
3、编写配置类,创建RedisConfig:RedisConfig类用于Redis数据缓存。有了这个类之后spring会自动注入一个 redisTemplate 类用于redis的相关操作。
@EnableCaching @Configuration public class RedisConfig extends CachingConfigurerSupport { @Bean public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) { RedisTemplate<String, Object> template = new RedisTemplate<>(); RedisSerializer<String> redisSerializer = new StringRedisSerializer(); Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class); ObjectMapper om = new ObjectMapper(); om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL); jackson2JsonRedisSerializer.setObjectMapper(om); template.setConnectionFactory(factory); //key序列化方式 template.setKeySerializer(redisSerializer); //value序列化 template.setValueSerializer(jackson2JsonRedisSerializer); //value hashmap序列化 template.setHashValueSerializer(jackson2JsonRedisSerializer); return template; } @Bean public CacheManager cacheManager(RedisConnectionFactory factory) { RedisSerializer<String> redisSerializer = new StringRedisSerializer(); Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class); //解决查询缓存转换异常的问题 ObjectMapper om = new ObjectMapper(); om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL); jackson2JsonRedisSerializer.setObjectMapper(om); // 配置序列化(解决乱码的问题),过期时间600秒 RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig() .entryTtl(Duration.ofSeconds(600)) .serializeKeysWith(RedisSerializationContext.SerializationPair.fromSerializer(redisSerializer)) .serializeValuesWith(RedisSerializationContext.SerializationPair.fromSerializer(jackson2JsonRedisSerializer)) .disableCachingNullValues(); RedisCacheManager cacheManager = RedisCacheManager.builder(factory) .cacheDefaults(config) .build(); return cacheManager; } }
-
测试如下:
@RestController @RequestMapping("/redisTest") public class RedisTestController { @Autowired private RedisTemplate redisTemplate; @GetMapping public String testRedis() { //设置值到redis redisTemplate.opsForValue().set("name","lucy"); //从redis获取值 String name = (String)redisTemplate.opsForValue().get("name"); return name; } }