提示:以下是本篇文章正文内容,Redis系列学习将会持续更新
一、Bitmaps:属性状态统计
Bitmaps类型: 统计一批数据的某个属性的某个状态。
统计全国、各省、各市的共产党员:
身份id | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
---|---|---|---|---|---|---|---|
是否党员 | 1 | 0 | 1 | 1 | 0 | 0 | 1 |
以二进制方式汇总:1001101
党员的人数 = 二进制数据中1的个数 = 4
Bitmaps类型的基础操作:
● 设置指定key对应偏移量上的bit值,value只能是1或0
setbit key offset value
● 获取指定key对应偏移量上的bit值
getbit key offset
二进制数据:100010011
Bitmaps类型的扩展操作:
● 对指定key按位进行交、并、非、异或操作,并将结果保存到destKey中
bitop op destKey key1 [key2...]
and:交
or:并
not:非
xor:异或
● 统计指定key中1的数量
bitcount key [start end]
● Tips:redis 应用于信息状态统计
二、HyperLogLog:基数统计
HyperLogLog类型: 基数统计,是数据集去重后元素个数,运用了 LogLog 算法。
● 添加数据
pfadd key element [element ...]
● 统计数据
pfcount key [key ...]
● 合并数据
pfmerge destkey sourcekey [sourcekey...]
● Tips:redis 应用于独立信息统计
● 相关说明:
- 用于进行基数统计,不是集合,不保存数据,只记录数量而不是具体数据
- 核心是基数估算算法,最终数值存在一定误差
- 误差范围:基数估计的结果是一个带有 0.81% 标准错误的近似值
- 耗空间极小,每个hyperloglog key占用了12K的内存用于标记基数
- pfadd命令不是一次性分配12K内存使用,会随着基数的增加内存逐渐增大
- Pfmerge命令合并后占用的存储空间为12K,无论合并之前数据量多少
三、GEO:地理位置信息计算
GEO类型: 地理位置信息计算。
3-1 两点间距离计算:
● 添加坐标点
geoadd key longitude latitude member [longitude latitude member ...]
容器 经度 维度 坐标名称
● 获取坐标点
geopos key member [member ...]
● 计算坐标点距离
geodist key member1 member2 [unit]
距离单位
3-2 范围内获取数据:
● 根据点求范围内数据
georadiusbymember key member radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]
容器 坐标名 范围半径 范围单位
● 根据坐标求范围内数据
georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]
● 获取指定点对应坐标的哈希值
geohash key member [member ...]
例如:
①构造田字格
②范围内获取
总结:
提示:这里对文章进行总结:
本文是对Redis的学习,学习了redis的3种高级数据类型:Bitmaps(属性状态统计)、HyperLogLog(基数统计)、GEO(地理位置信息计算)。之后的学习内容将持续更新!!!