Redis学习记录------Redis6发布和订阅以及三个新数据类型（五）

Redis学习记录------Redis6发布和订阅（五）

1.什么时发布和订阅

Redis发布订阅（pub/sub）是一种消息通信模式，发送者（pub）发送消息，订阅者（sub）接受消息。
Redis客户端可以订阅任意数量的频道，发布者可以有很多个频道。

发布订阅命令实现

在客户端中
SUBSCRIBE <频道名>

SUBSCRIBE pindao1

在另一个客户端中，给pindao1发布消息hello
publish <频道名> <具体消息>

publish pindao1  hello

返回1，是订阅者数量
注意： redis发布消息没有持久化，想要再收到，只能再重新发布。

Redis6的新数据类型

Bitmaps

现在计算机采用二进制作为信息的基础单元，1个字节等于8位，比如”abc"，对应ASCII码分别是97、98、99，对应二进制分别是01100001、01100010、01100011.
合理的操作位，能够提高内存使用率和开发效率。
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，所以再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，数组的下标再bitmaps中叫做偏移量。
key value：011000010110001001100011

命令

格式
setbit 设置bitmaps中某个偏移量的值（0或1），偏移量从0开始
举例：
假设20个用户，userid=1，userid=6，userid=11，userid=15，userid=19的用户对网站进行了访问，访问过则记位1。key则取日期

setbit unique:users:20220827 1 1
setbit unique:users:20220827 6 1
setbit unique:users:20220827 11 1
setbit unique:users:20220827 15 1
setbit unique:users:20220827 19 1

注：在第一次初始化Bitmaps时，假如偏移量特别大，那么整个初始化过程会执行比较慢，可能会造成Redis的阻塞。
getbit ：获取Bitmaps中某个偏移量的值（偏移量起始0）
bitcount [start end]：统计Bitmaps中设置为1的bit数，也可以指定start起始位置，end结束位置，也可以使用负值，-1表示最后一位，-2表示倒数第二位
比如：k1 01000001 01000000 00000000 00100001

bitcount  K1 1 2   ,此时统计的的是01000000、以及00000000、，因此返回2
bitcount  K1 0 -2   ,此时统计的的是01000001、01000000、以及00000000、，因此返回3

注意：redis的setbit设置或清除的时bit位置，而bitcount计算的是byte位置。
bitop and(or/not/xor) [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。
统计202201，202202都访问过博客的用户数量：
即返回unique:users:202201和unique:users:202202中的共有的（其实是偏移量相同的）1的数量.
k1:and:k2 为命名的新key

bitop and k1:and:k2  unique:users:202201  unique:users:202202

Bitmaps和Set对比

set每个用户id占用64位空间。而Bitmaps只占用1位。
但是加入Bitmaps的使用频率很低，则会有大部分的0位，也会造成浪费。

HyperLogLog

在与统计相关的场景中，比如统计网站的PV（pageView页面访问量），可以使用Redis的incr，incrby轻松实现。
像UV（UniqueVisitor，独立访客）、独立IP数、搜索记录数等，需要去重和技术的问题如何解决？这种求集合中不重复元素个数的问题成为基数问题。
基数问题解决方案：
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
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。
HyperLogLog就用来做基数统计的算法，优点在于：在输入元素的数量或者体积非常大时，计算基数所需的空间总是固定的，并且是很小。
在Redis中，每个HyperLogLog键只需要花费12KB的内存，可以计算接近2的64次方个不同元素的基数。
但是HyperLogLog只会根据输入元素来计算基数，而不会存储元素本身，因此HyperLogLog不能像集合一样返回输入的各个元素。
基数:统计集合中不重复元素的个数。
1、2、5、2、7、1
基数集为：1、2、5、7
基数为：4

命令

pfadd [element…]:添加指定元素到HyperLogLog中。加入后基数发生变化则返回1，否则返回0

pfadd english a  返回1
pfadd english b  返回1
pfadd english a  返回0
pfadd english d c 返回1

pfcount <key…>:计算HyperLogLog的近似基数，也可以计算多个HyperLogLog，合并基数
pfmerge :将1个或多个HyperLogLog合并后的结果存储到新的HyperLogLog中。类似合并+去重。

Geospatial

在Redis 3.2中增加了对GEO类型的支持，Geospatial地理信息的缩写，该类型就是元素2维坐标，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

geoadd [ longitude latitude memeber] 添加地理位置（经度，纬度，名称）

geoadd china:city 121.47 31.23 shanghai
geoadd china:city 106.50 29.53 chongqing 144.05 22.52 shenzhen 166.38 39.90 beijing

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。
有效经度从-180度到180度，有效维度从-85.05112878度到85.05112878度。
当坐标位置超出指定范围时，会返回一个错误。
已添加的数据，无法再次往里面添加。
geopos [member…]获取指定地区的坐标值。
geodist [m|km|ft|mi] 获取两个位置之间的直线距离。最后一个显示的距离单位。不指定默认使用米作为单位。
georadius radius [m|km|ft|mi] :以给定的经纬度为中心，找出某个半径内的元素, 经度、维度、距离、单位

georadius china:city 100 30 1000 km