1.Bitmaps
针对位操作运算的一个字符串
1.1 简介
现代计算机使用二进制(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,但实际在计算机中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。
1.2 命令
1.setbit
(1)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
(2)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
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
(1)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)
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。
(1)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
4.bitop
(1)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。
2.HyperLogLog
针对基数运算
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),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
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。
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。
2.2 命令
1.pfadd
(1)格式
pfadd <key><element>[element....] 添加指定元素到HyperLogLog中
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(成功),否则返回0(失败) 。
2.pfcount
(1)格式
pfcount <key>[key...] 统计基数的数量。计算HLL的近似基数,可以计算出多个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。
3.pfmerge
(1)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
3.Geospatial
针对地理信息、经纬度操作
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
1.geoadd
(1)格式
geoadd <key><longitude><latitude><member>[longitude latitude member...] 添加地理位置(经度、纬度、名称)
注: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。
2.geopos
(1)格式
geopos <key><member>[member...] 获得指定地区的坐标值
3.geodist
(1)格式
geodist <key><member1><member2> [m | km | ft | mi] 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
(1)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