redis的一些介绍（一）：几种数据类型

• 几种数据类型
• 底层数据结构
• 三种部署模式
• 持久化
• 分布式锁的设计
• 应用场景

几种数据结构

bitmap

• 原理：我们知道，在计算机中，所有的数据都是用0和1来表示的，也就是一个个的比特位，1KB=1000B=8000bit，也就是说存储结果只有0和1的数据，用比特位存储的话，8000个用户的数据只需要1KB存储空间就可以了。bitmap的原理就是这样的：用bit去存储数据，但是这里的数据只能有两种结果0和1。

• 用法：
  1、setbit：setbit key offset value
  设置key的offset位置的值，key是键，offset是下标偏移量，value是值（只有0和1）；
  2、getbit：getbit key offset
  获取key的offset位置上的值；
  3、bitcount key [start end]
  统计key上值为1的数据，start和end下标可选，end为-1时表示结束下标不限；
  4、bitop operation destkey key [key …]
  运算bitmap数据，operation是运算类型有AND、OR、NOT、XOR（与、或、非、异或）

• 使用场景：
  1、签到：签到有两种使用场景，一种是按天来生成一个bitmap，用户id为下标来统计每天签到的情况，另外一种是按每个用户来生成bitmap，每天为下标来统计每个用户的签到情况，如果想要看某个客户的签到情况，直接bigcount就行了，很方便；
  2、在线状态：其实和签到原理是一样的，记录状态0和1就行了，就不细说了。

• 坑：
  1、存储空间：bitmap本质上是string类型，也就是说最大是512M，能表示的最大位数是2^32，它是按需去扩容的，如果存储数据的下标很分散，那它会迅速扩容，占用内存；
  2、bitcount的坑：bitcount的下标不是以bit为单位，而是是Byte为单位的，也就是说bitcount的下标转换成bitmap的下标要乘以8，举个例子：bitcount bit_test 0 2，表示的是统计下标0到下标23的数据。

布隆过滤器

布隆过滤器不是一种新的数据类型，本质上是bitmap，但是其实要说本质的话，redis只有五种基本的数据类型，其他的数据类型都是这五种封装出来的。

• 使用场景：现在有一个大小为100G的集合，需要判断一个元素是否在这个集合，需要怎么做？这个大量的数据存到数据库肯定会影响查询效率，存到redis中需要100G的内存，不太现实，这个时候就可以用到布隆过滤器了，布隆过滤器可以判断出一个元素一定不存在，可能存在；
• 原理：跟Hash表类似，先将集合中的元素进行hash运算得到hash值，然后将hash值作为下标，将bitmap对应的位置标记为1，表示这个位置有元素了，当进行元素对比的时候，只需要将要对比的元素进行hash运算，得到hash值看bitmap对应位置的值是否为1就行了，根据hash运算的特点：相同元素的hash值一定相同，不同元素的hash值不一定不相同，可以推测出：如果这个位置的值是0的话，这个元素一定在集合中不存在，但是如果为1的话，则不能说明这个元素一定在元素中存在。
• 优点：占用空间少，查询速度快，是O(1)级别的；
• 缺点：对存在具有一定的误判率，且数据量越大误判率越高（发生碰撞的几率越高），但是也可以加大bitmap的容量来减小碰撞的几率；不能删除已添加的数据；
• 实际应用：
  1、防止缓存穿透攻击：攻击者会不断地去请求一个不存在的数据，使每次请求都越过缓存直接打到数据库，从而拖垮数据库，这个就是缓存穿透攻击，为了防止这种攻击，可以把这个不存在的数据也存到缓存中，这样下次请求就不会到数据库了，但是这样保存下来的数据量会逐渐变大，这个时候就可以使用布隆过滤器来保存这个数据，如果存在就直接访问缓存返回数据，不存在就访问数据库，并加到布隆过滤器中；
  2、黑名单：因为布隆过滤器存在误判，所以最好使用在允许存在误判的业务场景，像垃圾邮件，可疑操作等等。

geo

这个是存储坐标的API，这个业务场景太特殊了，一般不会用到。

• 用法：
  1、geoadd：增加某个地理位置的坐标
  命令：geoadd key longitude latitude member [longitude latitude member …]
  说明：key：整个值的key，longitude：经度，latitude：纬度，member：这个坐标的名称，可以同时添加多个。
  例：geoadd members 70 70 member3 50 50 member4
  2、geopos：获取某个地理位置的坐标
  命令：geopos key member [member …]
  说明：key：整个值的key，member：这个坐标的名称，跟geoadd命令对应。
  例：geopos members member1 member2
  3、geodist：获取两个地理位置的距离
  命令：geodist key member1 member2 [unit]
  说明：key：整个值的key，member1、member2：这个坐标的名称，跟geoadd命令对应，unit是距离单位，m 表示单位为米、km 表示单位为千米、mi 表示单位为英里、ft 表示单位为英尺，默认是m。
  例：geodist members member1 member2 m
  4、georadius：根据一个坐标来获取一定范围内的地理位置集合
  命令：georadius key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]
  说明：key：整个值的key，longitude：经度，latitude：纬度，radius：范围值，m|km|ft|mi：单位，后面的是返回的数据格式。
  例：georadius members 60 60 100 m
  5、georadiusbymember：根据一个成员坐标来获取一定范围内的地理位置集合
  命令：georadiusbymember key member radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]
  说明：就是把georadius中的经纬度换成一个成员坐标了，这个里面的值也包括自己。
  例：georadiusbymember members member1 100 m
  6、geohash：获取坐标的hash值
  命令：geohash key member [member …]
  说明：没什么好说的。
  例：geohash members member1

hypeloglog

这个数据类型主要的作用是用很少的空间来完成大量的数据统计，用在日志分析和流量统计比较多，它不会保存数据本身，具体实现原理我也没太看明白。。。

• 用法：
  1、pfadd：添加元素，可以添加多个，具有唯一性，相同的元素不会重复添加
  命令：pfadd key element [element …]
  例：pfadd log zhangsan
  2、pfcount：统计元素个数
  命令：pfcount key [key …]
  例：pfcount log
  3、pfmerge：合并多个hypeloglog
  命令：pfmerge destkey sourcekey [sourcekey …]
  说明：destkey：生成的新的hypeloglog，sourcekey：原hypeloglog
  例：pfmerge log2 log log1