4.Redis新数据类型

1. Bitmaps

1.1 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:

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”可以实现对位的操作

  • 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的位进行操作

  • 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

1.2 命令

1.2.1 setbit

setbit key offset value:设置Bitmaps中某个偏移量的值,值只能是0或1,偏移量从0开始。

案例:每个独立用户是否访问过网站的情况存放在Bitmaps中, 用偏移量作为用户的id,将访问的用户记做1, 没有访问的用户记做0。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:

在这里插入图片描述

在这里插入图片描述

注意:

1.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。

2.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。

1.2.1 getbit

getbit key offset:获取键的第offset位的值,偏移量从0开始。

案例: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:

在这里插入图片描述

1.2.3 bitcount

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。1个字节8位,也就是占了Bitmaps的8位。如果不指定 start 和 end 就表示统计所有值为1的位数。start 和 end 可以是负数,比如-1表示倒数第一个字节。

案例:计算2022-11-06这天的独立访问用户数量:

在这里插入图片描述

在这里插入图片描述

注意:redis 的 setbit 设置的是bit位置,而 bitcount 计算的是 byte 位置。

1.2.4 bitop

bitop operation destkey key [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。operation 代指 and、or、not、xor 操作。

案例:

  • 已知 2020-11-04 日访问网站的 userid =1,2,5,9,2020-11-03 日访问网站的 userid =0,1,4,9。计算出两天都访问过网站的用户数量:

在这里插入图片描述

过程如下:

在这里插入图片描述

  • 计算出两天内任意一天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:

    在这里插入图片描述

1.3 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表:

set 和 Bitmaps 存储一天活跃用户对比:

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(5千万)64位*50000000 = 400MB
Bitmaps1位100000000(1亿)1位*100000000 = 12.5MB

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:

数据类型一天一个月一年
集合类型400MB12GB144GB
Bitmaps12.5MB375MB4.5GB

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。

数据类型每个userid占用空间需要存储的用户量全部内存量
集合类型64位100000(10万)64位*100000 = 800KB
Bitmaps1位100000000(1亿)1位*100000000 = 12.5MB

2. HyperLogLog

2.1 简介

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),这种计数问题可以使用 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

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。

解决基数问题有很多种方案:

  • 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。是否能够降低一定的精度来平衡存储空间?Redis推出了HyperLogLog

Redis 的 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 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。

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。

2.2 命令

pfadd key element [element …]:添加指定元素到 HLL(HyperLogLog ) 中。可以一次性添加多个。如果执行命令后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。可以是多个 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。

pfmerge destkey sourcekey [sourcekey …]:将一个或多个 HLL(sourcekey) 合并后的结果存储在另一个 HLL(destkey) 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。

案例如下:

在这里插入图片描述

3. Geospatial

3.1 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。

3.2 命令

geoadd key longitude latitude member [longitude latitude member…]:添加地理位置(经度,纬度,名称)。可以同时添加多个。

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 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。

geopos key member [member…]:获得指定地区的坐标值。

geodist key member1 member2 [m|km|ft|mi ]:获取两个位置之间的直线距离。后面是可以指定单位为米、千米、英尺、英里。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 member。

案例如下:

m|ft|mi ]**:获取两个位置之间的直线距离。后面是可以指定单位为米、千米、英尺、英里。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 member。

案例如下:

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值