Redis（三）新数据类型和Jedis

最新推荐文章于 2024-03-24 14:52:52 发布

月上叁竿

最新推荐文章于 2024-03-24 14:52:52 发布

阅读量161

点赞数

分类专栏： Redis 笔记文章标签：分布式缓存

本文链接：https://blog.csdn.net/Zach1Lavine/article/details/123637825

版权

笔记同时被 2 个专栏收录

33 篇文章 0 订阅

订阅专栏

Redis

5 篇文章 0 订阅

订阅专栏

文章目录

新数据类型
Jedis
- SpringBoot整合Redis

新数据类型

Bitmaps

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来表示，“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、01100011。

在这里插入图片描述
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"可以实现对位地操作：

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地位进行操作。
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。

在这里插入图片描述

常用命令

setbit <key> <offset> <value> 设置Bitmaps中某个偏移量的值（0或1）

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（offset从0算起），假设有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：

在这里插入图片描述
unique:users:20220321代表20220321这天的独立访问用户的Bitmaps

127.0.0.1:6379> setbit unique:users:20220321 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220321 6 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220321 11 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220321 15 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220321 19 1
(integer) 0

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。

getbit <key> <offset> 获取Bitmaps中某个偏移量的值

实例：获取id=8的用户是否在2022-03-21这天访问过，返回0说明没有访问过

127.0.0.1:6379> getbit unique:users:20220321 8 
(integer) 0
127.0.0.1:6379> getbit unique:users:20220321 6
(integer) 1

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。

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表示最后一位，-2表示倒数第二位。start、end是指bit组的字节的下标数，二者皆包括。

实例：计算2022-03-21这一天的独立访问用户量

127.0.0.1:6379> bitcount unique:users:20220321 1 2
(integer) 3
127.0.0.1:6379> bitcount unique:users:20220321
(integer) 5

start和end代表起始和结束字节数。

在上例中，unique:users:20220321 [01000100 00100010 00100000]，对应 [0，1，2]。

bitcount unique:users:20220321 1 2 ：即统计下标为1、2字节组中bit = 1的个数，即01000100 00100010，结果为3。

bitcount unique:users:20220321：统计下标为1、2、3字节组中bit = 1的个数，即01000100 00100010 00100000，结果为5。

注：redis的setbit设置或清楚的是bit位置，而bitcount计算的byte位置。

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：

2022-2-14 日访问网站的userid = 1，2，5，9
2022-3-14 日访问网站的userid = 0，1，4，9

127.0.0.1:6379> setbit unique:users:20220214 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220214 2 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220214 5 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220214 9 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220314 0 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220314 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220314 4 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220314 9 1
(integer) 0

127.0.0.1:6379> bitop and 2022_valentine unique:users:20220314 unique:users:20220214
(integer) 2
127.0.0.1:6379> bitcount 2022_valentine
(integer) 2
127.0.0.1:6379> bitop or 2022_or_valentine unique:users:20220314 unique:users:20220214
(integer) 2
127.0.0.1:6379> bitcount 2022_or_valentine
(integer) 6
127.0.0.1:6379> bitop not 2022_not_valentine unique:users:20220214
(integer) 2
127.0.0.1:6379> bitcount 2022_not_valentine
(integer) 12
127.0.0.1:6379> bitop xor 2022_xor_valentine unique:users:20220314 unique:users:20220214 
(integer) 2
127.0.0.1:6379> bitcount 2022_xor_valentine
(integer) 4
127.0.0.1:6379> getbit 2022_xor_valentine 0
(integer) 1
127.0.0.1:6379> getbit 2022_xor_valentine 2
(integer) 1
127.0.0.1:6379> getbit 2022_xor_valentine 4
(integer) 1
127.0.0.1:6379> getbit 2022_xor_valentine 5
(integer) 1

总结

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），可以使用or求并集。

计算出两天或多天都访问过网站的用户数量，就可以使用and求交集。

Bitmaps与set对比

假设网站有一亿用户，每天独立访问的用户有五千万，如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表如下：

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

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

数据类型	一天	一个月	一年
集合类型	400MB	12GB	144GB
Bitmaps	12.5MB	375MB	4.5GB

但Bitmaps并不是万金油，例如该网站每天的独立访问用户很少，只有10万，此时使用Bitmaps就不太合适了，因为基本上大部分位都是0。

数据类型	每个userid占用的空间	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

当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、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。

解决基数问题有多种方案：

数据存储在MySQL表中，使用distinct count计算不重复个数。
使用Redis提供的hash、set、bitmaps等数据结构来处理。

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。

Redis HyperLogLog是用来做基数统计的算法，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12KB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。

那什么是基数呢？

比如数据集{1，3，5，7，9，7，3}，那么这个数据集的基数集为{1，3，5，7，9}，基数（去重后的元素的个数）为5。基数估计就是在误差可接受的范围内，快速计算基数。

常用命令

pfadd <key> <element> [element …] 添加指定元素到HyperLogLog中。

127.0.0.1:6379> pfadd background "java"
(integer) 1
127.0.0.1:6379> pfadd background "spring"
(integer) 1
127.0.0.1:6379> pfadd background "java"
(integer) 0

将所有元素添加至指定的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，否则返回0。

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。

127.0.0.1:6379> pfcount background 
(integer) 2

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。

127.0.0.1:6379> pfcount background 
(integer) 2
127.0.0.1:6379> pfadd front "html"
(integer) 1
127.0.0.1:6379> pfadd front "css"
(integer) 1
127.0.0.1:6379> pfadd front "javascript"
(integer) 1
127.0.0.1:6379> pfcount front
(integer) 3
127.0.0.1:6379> pfmerge allgan background front
OK
127.0.0.1:6379> pfcount allgan
(integer) 5

Geospatial

Redis 3.2中增加了对GEO类型的支持。GEO，Geographic，地理信息的缩写。该类型就是元素的二维坐标，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。

常用命令

geoadd <key> <longitude> <latitude> <member> [longitude latitude member…] 添加地理位置（经度、纬度、名称）

127.0.0.1:6379> geoadd china:city 121.47 31.23 shanghai
(integer) 1
127.0.0.1:6379> geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
(integer) 3

两极无法直接添加，一般会下载城市数据，直接通过Java程序一次性导入。

有效的经度从 -180°到180°，有效的纬度从-85.05112878度到85.05112078°。

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，是无法再次往里添加的。

geopos <key> <member> [member…] 获得指定地区的坐标值

127.0.0.1:6379> geopos china:city shanghai
1) "121.47000163793563843"
2) "31.22999903975783553"

geodist <key> <member1> <member2> [m|km|ft|mi] 获取两个位置间的直线距离

127.0.0.1:6379> geodist china:city chongqing beijing km
"1462.9505"

单位：

m表示单位为米，默认值。

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。

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

127.0.0.1:6379> georadius china:city 110 30 1000 km
1) "chongqing"
2) "shenzhen"

Jedis

Jedis所需依赖

<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
    <version>3.2.0</version>
</dependency>

连接Redis时的注意事项

开放Redis防火墙端口
在/etc/redis.conf文件中，注释掉bind 127.0.0.1，然后将protected-mode修改为no

firewall-cmd --add-port=6379/tcp --permanent

在这里插入图片描述

测试

public static void main(String[] args) {
    Jedis jedis = new Jedis("192.168.36.128",6379);
    String pong = jedis.ping();
    System.out.println(pong);
    jedis.close();
}

测试相关数据类型—key

    @Test
    public void testKeys(){
        Jedis jedis = new Jedis("192.168.36.128",6379);
        Set<String> keys = jedis.keys("*");
        keys.forEach(key -> {
            System.out.println(key);
        });
        System.out.println(jedis.exists("china:city"));
    }

测试相关数据类型—string

    @Test
    public void testString(){
        Jedis jedis = new Jedis("192.168.36.128",6379);
        String k1 = jedis.set("k1", "v1");
        System.out.println(k1);

        Long append = jedis.append("k1", "xixihaha");
        System.out.println(append);

        String newK1 = jedis.get("k1");
        System.out.println(newK1);

        Long len = jedis.strlen("k1");
        System.out.println(len);

        Long setRange = jedis.setrange("k1", 2, "bujianbusan");
        System.out.println(setRange);

        String getRange = jedis.getrange("k1", 0, -1);
        System.out.println(getRange);
    }

测试相关数据类型—list

    @Test
    public void testList(){
        Jedis jedis = new Jedis("192.168.36.128",6379);
        Long lpush = jedis.lpush("k3", "v1", "v2", "v3");
        Long rpush = jedis.rpush("k4", "v1", "v2", "v3");

        String rpoplpush = jedis.rpoplpush("k3", "k4");
        System.out.println(rpoplpush);

        List<String> k2 = jedis.lrange("k4", 0, -1);
        k2.forEach(k -> {
            System.out.println(k);
        });
    }

测试相关数据类型—set

    @Test
    public void testSet(){
        Jedis jedis = new Jedis("192.168.36.128",6379);
        jedis.sadd("orders", "order01", "order02", "order03", "order04");
        Set<String> orders = jedis.smembers("orders");
        orders.forEach(order -> {
            System.out.println(order);
        });

        System.out.println("-------------------------------------");

        jedis.srem("orders","order02");

        orders = jedis.smembers("orders");
        orders.forEach(order -> {
            System.out.println(order);
        });
    }

测试相关数据类型—hash

    @Test
    public void testHash(){
        Jedis jedis = new Jedis("192.168.36.128",6379);
        jedis.hset("hash1","userName","zhangsan");
        System.out.println(jedis.hget("hash1","userName"));

        Map<String,String> map = new HashMap<>();
        map.put("telephone","17435668");
        map.put("address","atguigu");
        map.put("email","zhangsan@qq.com");
        jedis.hmset("hash2",map);

        List<String> result = jedis.hmget("hash2", "telephone", "email");
        result.forEach(System.out::println);
    }

测试相关数据类型—zset

    @Test
    public void testZSet(){
        Jedis jedis = new Jedis("192.168.36.128",6379);
        jedis.zadd("zset01",100,"深入理解Java虚拟机");
        jedis.zadd("zset01",200,"深入理解计算机系统");
        jedis.zadd("zset01",300,"算法导论");

        Set<String> zset01 = jedis.zrange("zset01", 0, -1);
        zset01.forEach(System.out::println);
    }

SpringBoot整合Redis

月上叁竿

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Redis（三）新数据类型和Jedis

文章目录新数据类型Bitmaps常用命令新数据类型Bitmaps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来表示，“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、01100011。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"可以实现对位地操作：Bitmaps本身不是一种数据类型，实际上它就
复制链接

扫一扫