【redis】几种数据结构补充

常用的数据结构有string、hash、list、set、zset，此外还有bitmaps、HyperLogLog、GEO、Stream等

bitmaps

位图采用字符串实现，不是新实现的数据结构，它在key每个位存储0或1，通过对位的操作存储大量数据，与string一样，每个key大小限制512MB，即每个key可以存个位。

它可以用来做什么呢？

假如教师要知道本班学生课堂练习完成情况，0代表未完成，1代表完成了。通过以下设置他可以非常清楚地知道每个学生哪些做了，哪些还没做。

setbit t_1  1 1 1 1 1

setbit t_2  1 1 1 0 0

他也可以通过 setbit 

 

HyperLogLog

用来做基数统计（重复元素记作同一个）。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，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。因为它并不存储元素本身，而是通过概率算法，记录其hash值第一位1出现位置，来计算元素数量，对于一个输入的字符串，首先得到64位的hash值，用前14位来定位桶的位置（共有  个桶），每个桶有6bit，记录第一次出现1的位置count，如果count>oldcount，就用count替换oldcount。

它只有三个操作方法：

pfadd（增加元素）：    pfadd 数据集 "元素1" "元素2" "元素3"

pfcount（统计）：        pfcount 数据集

pfmerge（合并） ：     pfmerge新数据集 "数据集1" "数据集2" "数据集3"

和布隆过滤器有一些类似，但是它主要用来统计总数，布隆过滤器主要用来过滤判断，布隆过滤器可以直接判断数据存不存在，HyperLogLog非要想判断可以在元素pfadd前后各算一次prcount，一样就表示之前存在，不过，线上环境并发那么大不说，这种方式类似神农尝百草，我无法在pfadd前知道在不在，而pfadd操作是不可逆的...所以它还是做统计吧，比如月活用户、独立访问IP个数。

我们的题库系统给用户选举一反三随机的题目就用到了布隆过滤器，它还有经典用法是防止缓存穿透。

HyperLogLog和布隆过滤器一样，只能增加元素，不能删改，在数据量很大的时候会有一定的误差，但通常不会有大的影响。

GEO

存储地理位置信息，并可以进行操作。

Redis GEO 操作方法有：

geoadd（添加地理位置坐标）： geoadd 数据集 经度 纬度 地名1 经度 纬度 地名2 经度 纬度 地名3  ...

geopos（获取地理位置的坐标）：geopos 数据集 地名2

geodist（计算两个位置之间的距离）：geodist 地名1 地名2

georadius（指定经纬度坐标和半径范围内的地理位置集合）： georadius 数据集 经度 维度 半径 单位（m/km/mi/ft )

georadiusbymember（指定地名和半径范围内的地理位置集合）：georadius 数据集 地名1 半径 单位

geohash（返回一个或多个位置对象的 geohash 值）：geohash 数据集 地名1 地名2 地名3 ...

Stream

发布订阅 (pub/sub) 可以分发消息，但无法记录历史消息,stream提供了消息的持久化和主备复制功能，可以让任何客户端访问任何时刻的数据，并且能记住每一个客户端的访问位置，还能保证消息不丢失。