redis九大数据类型及场景案例实现

最新推荐文章于 2024-04-09 17:06:18 发布

越走越远的风

最新推荐文章于 2024-04-09 17:06:18 发布

阅读量163

点赞数

分类专栏： redis 文章标签： redis 数据库缓存

本文链接：https://blog.csdn.net/qq_14946371/article/details/129813459

版权

redis 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

1.redis定义

Redis 是一个开源（BSD许可）的，内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。它支持多种类型的数据结构，如字符串（strings）、散列（hashes）、列表（lists）、集合（sets）、有序集合（sorted sets）等。

欢迎关注个人公众号【好好学技术】交流学习

2.redis是单线程的吗？

我们通常说Redis是单线程的。主要指的是Redis的网络IO和键值对读写是由一个线程来完成的。但像持久化、异步删除、集群数据同步等等，其实是由其他的线程执行的。Redis工作线程是单线程的。但是，对于整个Redis来说，是多线程的。

3.redis为什么这么快

纯内存操作

redis的数据都是保存到内存中的，绝大部分请求都是纯内存操作。跟传统的mysql等持久化db相比，避免了通过磁盘IO读取到内存的开销。

数据结构简单

Redis 的数据结构是专门设计的，而这些简单的数据结构的查找和操作的时间大部分复杂度都是 O(1)，因此性能比较高

单线程

避免了上下文切换和线程竞争加锁等问题，也不会存在死锁问题，避免了很多性能上的消耗。

IO多路复用

Redis使用 I/O多路复用功能来监听多个客户端的socket连接，这样就可以使用一个线程连接来处理多个请求，减少线程切换带来的开销，同时也避免了 I/O 阻塞操作。

4.redis6以后为什么要增加多线程模型

单线程虽然快，但是也有一些弊端。比如在删除大key的时候，非常耗时。而redis又是单线程的，所以就会导致整个程序阻塞，进而无法使用。

需要注意的是在Redis6.0中，默认是关闭多线程的，如果需要使用，需要修改redis.conf中的io-thread-do-reads配置项为yes，表示启动多线程。设置线程个数。关于线程数的设置，官方的建议是如果为 4 核的 CPU，建议线程数设置为 2 或 3，如果为 8 核 CPU 建议线程数设置为 6，线程数并不是越大越好。

5.redis数据结构

redis一共有九种数据结构，但是常用的只有String, hash,list,set,zset五种。

String类型

    set/get
        设置key对应的值为String类型的value
        获取key对应的值
    mget
        批量获取多个key的值，如果可以不存在则返回nil
    incr && incrby
        incr对key对应的值进行加加操作，并返回新的值;incrby加指定值
    incr && incrby
        incr对key对应的值进行加加操作，并返回新的值;incrby加指定值
    setnx
        设置key对应的值为String类型的value，如果key已经存在则返回0
    setex
        设置key对应的值为String类型的value，并设定有效期 
    其他命令
        getrange 获取key对应value的子字符串
        mset 批量设置多个key的值，如果成功表示所有值都被设置，否则返回0表示没有任何值被设置
        msetnx，同mset，不存在就设置，不会覆盖已有的key
        getset 设置key的值，并返回key旧的值
        append：给指定key的value追加字符串，并返回新字符串的长度

hash类型

类似于java的Map<String, Map<String, Object>>

Hash是一个String类型的field和value之间的映射表
redis的Hash数据类型的key（hash表名称）对应的value实际的内部存储结构为一个HashMap
Hash特别适合存储对象
相对于把一个对象的每个属性存储为String类型，将整个对象存储在Hash类型中会占用更少内存。
所存储的成员较少时数据存储为zipmap，当成员数量增大时会自动转成真正的HashMap,此时encoding为ht。
运用场景：如用一个对象来存储用户信息，商品信息，订单信息等等。

hset——设置key对应的HashMap中的field的value
hget——获取key对应的HashMap中的field的value
hgetall——获取key对应的HashMap中的所有field的value
hlen--返回key对应的HashMap中的field的数量

list类型

    lpush——在key对应的list的头部添加一个元素
    lrange——获取key对应的list的指定下标范围的元素，-1表示获取所有元素
    lpop——从key对应的list的尾部删除一个元素，并返回该元素
    rpush——在key对应的list的尾部添加一个元素
    rpop——从key对应的list的尾部删除一个元素，并返回该元素

set类型

    sadd——在key对应的set中添加一个元素
    smembers——获取key对应的set的所有元素
    spop——随机返回并删除key对应的set中的一个元素
    suion——求给定key对应的set并集
    sinter——求给定key对应的set交集

ZSet类型

set的基础上又增加了顺序score，再根据score进行排序

zadd ——在key对应的zset中添加一个元素
zrange——获取key对应的zset中指定范围的元素，-1表示获取所有元素
zrem——删除key对应的zset中的一个元素
zrangebyscore——返回有序集key中，指定分数范围的元素列表,排行榜中运用
zrank——返回key对应的zset中指定member的排名。其中member按score值递增(从小到大）； 排名以0为底，也就是说，score值最小的成员排名为0,排行榜中运用
set是通过hashmap存储，key对应set的元素，value是空对象 sortset是怎么存储并实现排序的呢，hashmap存储，还加了一层跳跃表 
跳跃表：相当于双向链表，在其基础上添加前往比当前元素大的跳转链接

bitmap类型

# 指定key的offset位置赋值value
setbit key offset value

#  获取key的offset位置的值
getbit key offset

#  返回key 从start 到 end 中值为1 的数量
bitcount key start end

#  进行位运算（and, or, not）
bittop operation destkey key

BitMap（2.2 版新增）：二值状态统计的场景，比如签到、判断用户登陆状态、连续签到用户总数等；
bitmap非常节省内存，按年去存储一个用户签到情况，365天就是 365/8 ≈ 46Byte, 1000万用户一年也才44M就够了。

hyperloglog类型

127.0.0.1:6379> pfadd uv zhangsan
(integer) 1
127.0.0.1:6379> pfadd uv lisi
(integer) 1
127.0.0.1:6379> pfadd uv wangwu
(integer) 1
127.0.0.1:6379> pfcount uv
(integer) 3

HyperLogLog（2.8 版新增）：海量数据基数统计的场景，比如百万级网页 UV 计数等；
HyperLogLog统计并不精确，有0.81%的误差。

geo类型

#添加坐标
127.0.0.1:6379> geoadd shanxi 123.11 45.11 xian
(integer) 1
127.0.0.1:6379> geoadd shanxi 123.11 46.11 dayanta
(integer) 1
#获取指定坐标的位置
127.0.0.1:6379> geopos shanxi dayanta
1) 1) "123.11000078916549683"
   2) "46.11000102930120192"
#获取两个坐标的距离 单位默认米 
127.0.0.1:6379> geodist shanxi xian dayanta
"111226.3808"
#获取两个坐标的距离 单位千米 
127.0.0.1:6379> geodist shanxi xian dayanta km
"111.2264"
#坐标123.11 45.10  半径50千米内的数据
127.0.0.1:6379> georadius shanxi 123.11 45.10 50 km
1) "xian"
127.0.0.1:6379>

GEO（3.2 版新增）：存储地理位置信息的场景，比如滴滴叫车；

Stream类型

Stream（5.0 版新增）：消息队列，相比于基于 List 类型实现的消息队列，有这两个特有的特性：自动生成全局唯一消息ID，支持以消费组形式消费数据。
这个用的比较少，可以用(rabbitmq、rocketmq、kafka等替代)。

redis案例

1.redis作为mybatis二级缓存整合

1.引入pom.xml依赖
org.springframework.boot spring-boot-starter-cache
2.开启缓存注解： @EnableCaching
3.在方法上面加入SpEL

@CacheConfig(cacheNames=“userInfoCache”) 在同个redis里面必须唯一

@Cacheable(查) ：来划分可缓存的方法 - 即，结果存储在缓存中的方法，以便在后续调用（具有相同的参数）时，返回缓存中的值而不必实际执行该方法

@CachePut（修改、增加）：当需要更新缓存而不干扰方法执行时，可以使用@CachePut注释。也就是说，始终执行该方法并将其结果放入缓存中（根据@CachePut选项）

@CacheEvict（删除）：对于从缓存中删除陈旧或未使用的数据非常有用，指示缓存范围内的驱逐是否需要执行而不仅仅是一个条目驱逐
4.springboot cache 存在什么问题
– 1.生成key过于简单，容易冲突userCache::3
自定义KeyGenerator
– 2.无法设置过期时间，默认过期时间为永久不过期
自定义cacheManager，设置缓存过期时间
– 3.配置序列化方式，默认的是序列化JDKSerialazable
自定义序列化方式，Jackson

package com.fandf.redis.config;

import com.fasterxml.jackson.annotation.JsonAutoDetect;
import com.fasterxml.jackson.annotation.PropertyAccessor;
import com.fasterxml.jackson.databind.ObjectMapper;
import org.springframework.cache.CacheManager;
import org.springframework.cache.annotation.EnableCaching;
import org.springframework.cache.interceptor.KeyGenerator;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.cache.RedisCacheConfiguration;
import org.springframework.data.redis.cache.RedisCacheManager;
import org.springframework.data.redis.cache.RedisCacheWriter;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.RedisSerializationContext;

import java.time.Duration;
import java.util.HashMap;
import java.util.Map;

/**
 * @author fandongfeng
 * @description
 */
@Configuration
@EnableCaching
@EnableRedisHttpSession(maxInactiveIntervalInSeconds= 50)
public class RedisConfig {

    @Bean
    public RedisTemplate<String, String> redisTemplate(RedisConnectionFactory factory){
        RedisTemplate<String, String> redisTemplate = new RedisTemplate<String, String>();
        redisTemplate.setConnectionFactory(factory);
        return redisTemplate;
    }

    /**
     * 生成key名，类名+方法+参数  UserInfoList::UserService.findByIdTtl[1]
     * @return
     */
    @Bean
    public KeyGenerator simpleKeyGenerator() {
        return (o, method, objects) -> {
            StringBuilder stringBuilder = new StringBuilder();
            stringBuilder.append(o.getClass().getSimpleName());
            stringBuilder.append(".");
            stringBuilder.append(method.getName());
            stringBuilder.append("[");
            for (Object obj : objects) {
                stringBuilder.append(obj.toString());
            }
            stringBuilder.append("]");

            return stringBuilder.toString();
        };
    }

    /**
     * 自定义cacheManager，设置缓存过期时间
     * @param redisConnectionFactory
     * @return
     */
    @Bean
    public CacheManager cacheManager(RedisConnectionFactory redisConnectionFactory) {
        return new RedisCacheManager(
                RedisCacheWriter.nonLockingRedisCacheWriter(redisConnectionFactory),
                this.getRedisCacheConfigurationWithTtl(600), // 默认策略，未配置的 key 会使用这个
                this.getRedisCacheConfigurationMap() // 指定 key 策略
        );
    }

    /**
     * 初始化map
     * @return
     */
    private Map<String, RedisCacheConfiguration> getRedisCacheConfigurationMap() {
        Map<String, RedisCacheConfiguration> redisCacheConfigurationMap = new HashMap<>();
        redisCacheConfigurationMap.put("UserInfoList", this.getRedisCacheConfigurationWithTtl(100));
        redisCacheConfigurationMap.put("UserInfoListAnother", this.getRedisCacheConfigurationWithTtl(18000));
        return redisCacheConfigurationMap;
    }

    private RedisCacheConfiguration getRedisCacheConfigurationWithTtl(Integer seconds) {
        Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer<>(Object.class);
        ObjectMapper om = new ObjectMapper();
        om.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY);
        om.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
        jackson2JsonRedisSerializer.setObjectMapper(om);

        RedisCacheConfiguration redisCacheConfiguration = RedisCacheConfiguration.defaultCacheConfig();
        redisCacheConfiguration = redisCacheConfiguration.serializeValuesWith(
                RedisSerializationContext
                        .SerializationPair
                        .fromSerializer(jackson2JsonRedisSerializer)
        ).entryTtl(Duration.ofSeconds(seconds));

        return redisCacheConfiguration;
    }

}

二级缓存查询

    /**
     * 从二级缓存中获取数据
     * @param id
     * @return
     */
    @RequestMapping("/getByCache")
    @ResponseBody
    public User getByCache(String id) {
        User user = userService.findById(id);
        return user;
    }


    @Nullable
    @Cacheable(key="#p0", unless = "#result == null") // @Cacheable 会先查询缓存，如果缓存中存在，则不执行方法
    public User findById(String id){
        System.err.println("根据id=" + id +"获取用户对象，从数据库中获取");
        Assert.notNull(id,"id不用为空");
        return this.userMapper.find(id);
    }

    // 因为必须要有返回值，才能保存到数据库中，如果保存的对象的某些字段是需要数据库生成的，
    // 那保存对象进数据库的时候，就没必要放到缓存了
    @CachePut(key="#p0.id")  //#p0表示第一个参数
    //必须要有返回值，否则没数据放到缓存中
    public User insertUser(User u){
        this.userMapper.insert(u);
        //u对象中可能只有只几个有效字段，其他字段值靠数据库生成，比如id
        return this.userMapper.find(u.getId());
    }

    @CachePut(key="#p0.id")
    public User updateUser(User u){
        this.userMapper.update(u);
        //可能只是更新某几个字段而已，所以查次数据库把数据全部拿出来全部
        return this.userMapper.find(u.getId());
    }

    @CacheEvict(key="#p0")  //删除缓存名称为userInfoCache,key等于指定的id对应的缓存
    public void deleteById(String id){
        this.userMapper.delete(id);
    }

    //清空缓存名称为userInfoCache（看类名上的注解)下的所有缓存
    //如果数据失败了，缓存时不会清除的
    @CacheEvict(allEntries = true)
    public void deleteAll(){
        this.userMapper.deleteAll();
    }

    /**
     * 指定生成key的格式
     * @param id
     * @return
     */
    @Nullable
    @Cacheable(value = "UserInfoList", keyGenerator = "simpleKeyGenerator") // @Cacheable 会先查询缓存，如果缓存中存在，则不执行方法
    public User findByIdTtl(String id){
        System.err.println("根据id=" + id +"获取用户对象，从数据库中获取");
        Assert.notNull(id,"id不用为空");
        return this.userMapper.find(id);
    }

2.redis实现分布式集群环境session共享

cookie与session

Cookie是什么？ Cookie 是一小段文本信息，伴随着用户请求和页面在 Web 服务器和浏览器之间传递。
Cookie 包含每次用户访问站点时 Web 应用程序都可以读取的信息，我们可以看到在服务器写的cookie，
会通过响应头Set-Cookie的方式写入到浏览器

HTTP协议是无状态的，并非TCP一样进行三次握手，对于一个浏览器发出的多次请求，WEB服务器无法
区分是不是来源于同一个浏览器。所以服务器为了区分这个过程会通过一个 sessionid来区分请求，而这个
sessionid是怎么发送给服务端的呢。cookie相对用户是不可见的，用来保存这个sessionid是最好不过了

redis实现分布式集群配置过程
org.springframework.session spring-session-data-redis
@EnableRedisHttpSession 开启redis session缓存
maxInactiveIntervalInSeconds指定缓存的时间 spring:session:sessions:expires:+‘sessionId’的过期时间

package com.fandf.redis.controller;

import org.springframework.web.bind.annotation.*;

import javax.servlet.http.HttpServletRequest;
import java.util.HashMap;
import java.util.Map;

/**
 * @author fandongfeng
 * @description
 */
@RestController
public class SessionController {

    @PostMapping(value = "/setSession")
    public Map<String, Object> setSession (HttpServletRequest request){
        Map<String, Object> map = new HashMap<>();
        request.getSession().setAttribute("request Url", request.getRequestURL());
        map.put("request Url", request.getRequestURL());
        return map;
    }

    @GetMapping(value = "/getSession")
    public Object getSession (HttpServletRequest request){
        Map<String, Object> map = new HashMap<>();
        map.put("sessionIdUrl",request.getSession().getAttribute("request Url"));
        map.put("sessionId", request.getSession().getId());
        return map;
    }
}

3.redis实现排行榜功能

1.初始化加载数据
implements InitializingBean 接口实现afterPropertiesSet()方法
初始化将用户积分加载到redis缓存中
2.方法介绍
zset方法简单介绍

    private static final String RANKGNAME = "user_score";

    private static final String SALESCORE = "sale_score_rank:";

   /**
     * 添加积分
     *  uid = 1  score = 1
     *  uid = 2  score = 2
     *  uid = 3  score = 3
     * @param uid
     * @param score
     * @return
     */
    @ResponseBody
    @RequestMapping("/addScore")
    public String addRank(String uid, Integer score) {
        rankingService.rankAdd(uid, score);
        return "success";
    }

    public void rankAdd(String uid, Integer score) {
        redisService.zAdd(RANKGNAME, uid, score);
    }

    /**
     * 有序集合添加
     *
     * @param key
     * @param value
     * @param scoure
     */
    public void zAdd(String key, Object value, double scoure) {
        ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
        zset.add(key, value, scoure);
    }

    /**
     * 添加指定分数
     * @param uid
     * @param score
     * @return
     */
    @ResponseBody
    @RequestMapping("/increScore")
    public String increScore(String uid, Integer score) {
        rankingService.increSocre(uid, score);
        return "success";
    }

    public void increSocre(String uid, Integer score) {
        redisService.incrementScore(RANKGNAME, uid, score);
    }

    /**
     * 有序集合添加指定分数
     *
     * @param key
     * @param value
     * @param scoure
     */
    public void incrementScore(String key, Object value, double score) {
        ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
        zset.incrementScore(key, value, score);
    }

    /**
     * 排序，从0开始,正序
     *  uid=1   0
     * @param uid
     * @return
     */
    @ResponseBody
    @RequestMapping("/rank")
    public Map<String, Long> rank(String uid) {
        Map<String, Long> map = new HashMap<>();
        map.put(uid, rankingService.rankNum(uid));
        return map;
    }

    public Long rankNum(String uid) {
        return redisService.zRank(RANKGNAME, uid);
    }

    /**
     * 有序集合获取排名
     * @param key 集合名称
     * @param value 值
     */
    public Long zRank(String key, Object value) {
        ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
        return zset.rank(key,value);
    }

    /**
     * 查看自己分数
     * @param uid
     * @return
     */
    @ResponseBody
    @RequestMapping("/score")
    public Long rankNum(String uid) {
        return rankingService.score(uid);
    }

    public Long score(String uid) {
        Long score = redisService.zSetScore(RANKGNAME, uid).longValue();
        return score;
    }

  public Double zSetScore(String key, Object value) {
        ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
        return zset.score(key,value);
    }

/**
     * 正序排名，分数低的在前面
     *  // http://localhost:8080/scoreByRange?start=0&end=2
     *
     * [
     *   {
     *     "score": 1.0,
     *     "value": "1"
     *   },
     *   {
     *     "score": 2.0,
     *     "value": "2"
     *   },
     *   {
     *     "score": 3.0,
     *     "value": "3"
     *   }
     * ]
     * @param start
     * @param end
     * @return
     */
    @ResponseBody
    @RequestMapping("/scoreByRange")
    public Set<ZSetOperations.TypedTuple<Object>> scoreByRange(Integer start, Integer end) {
        return rankingService.rankWithScore(start,end);
    }

    public Set<ZSetOperations.TypedTuple<Object>> rankWithScore(Integer start, Integer end) {
        return redisService.zRankWithScore(RANKGNAME, start, end);
    }

    /**
     * 有序集合获取排名
     *
     * @param key
     */
    public Set<ZSetOperations.TypedTuple<Object>> zRankWithScore(String key, long start,long end) {
        ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
        Set<ZSetOperations.TypedTuple<Object>> ret = zset.rangeWithScores(key,start,end);
        return ret;
    }

    /**
     * 倒序查询排行榜,分数大的靠前
     * @param start
     * @param end
     * @return
     */
    @ResponseBody
    @RequestMapping("/sale/top")
    public List<Map<String,Object>> reverseZRankWithRank(long start,long end) {
        return rankingService.reverseZRankWithRank(start,end);
    }

public List<Map<String, Object>> reverseZRankWithRank(long start, long end) {
        Set<ZSetOperations.TypedTuple<Object>> setObj = redisService.reverseZRankWithRank(SALESCORE, start, end);
        List<Map<String, Object>> mapList = setObj.stream().map(objectTypedTuple -> {
            Map<String, Object> map = new LinkedHashMap<>();
            map.put("userId", objectTypedTuple.getValue().toString().split(":")[0]);
            map.put("userName", objectTypedTuple.getValue().toString().split(":")[1]);
            map.put("score", objectTypedTuple.getScore());
            return map;
        }).collect(Collectors.toList());
        return mapList;
    }


   /**
     * 与下面方法都可实现排名
     * 有序集合获取排名
     * @param key
     */
    public Set<ZSetOperations.TypedTuple<Object>> reverseZRankWithScore(String key, long start,long end) {
        ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
        Set<ZSetOperations.TypedTuple<Object>> ret = zset.reverseRangeByScoreWithScores(key,start,end);
        return ret;
    }

    /**
     * 有序集合获取排名
     * @param key
     */
    public Set<ZSetOperations.TypedTuple<Object>> reverseZRankWithRank(String key, long start, long end) {
        ZSetOperations<String, Object> zset = redisTemplate.opsForZSet();
        Set<ZSetOperations.TypedTuple<Object>> ret = zset.reverseRangeWithScores(key, start, end);
        return ret;
    }

4.redis使用bitmap实现签到统计功能

package com.fandf.test.redis;

import cn.hutool.core.convert.Convert;
import cn.hutool.core.date.DateUtil;
import org.springframework.data.redis.connection.BitFieldSubCommands;
import org.springframework.data.redis.core.RedisCallback;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;
import java.time.LocalDateTime;
import java.util.List;

/**
 * @author fandongfeng
 */
@Service
public class SignService {

    @Resource
    RedisTemplate<String, Object> redisTemplate;

    private static final String USER_SIGN_KEY = "sign:";


    /**
     * 当日签到接口
     */
    public Boolean sign() {
        // 1.获取当前登录用户
        long userId = 123L;
        // 2.获取日期
        LocalDateTime now = LocalDateTime.now();
        // 3.拼接key
        String keySuffix = DateUtil.format(now, ":yyyyMM");
        String key = USER_SIGN_KEY + userId + keySuffix;
        // 4.获取今天是本月的第几天
        int dayOfMonth = now.getDayOfMonth();
        //bitmap 坐标从0开始， 所以 offset 为 dayOfMonth - 1
        redisTemplate.opsForValue().setBit(key, dayOfMonth - 1, true);
        return true;
    }

    /**
     * 指定日期签到, 补签
     */
    public Boolean signDate(String date) {
        // 1.获取当前登录用户
        long userId = 123L;
        // 2.获取日期
        LocalDateTime signDate = Convert.toLocalDateTime(date);
        // 3.拼接key
        String keySuffix = DateUtil.format(signDate, ":yyyyMM");
        String key = USER_SIGN_KEY + userId + keySuffix;
        // 4.获取今天是本月的第几天
        int dayOfMonth = signDate.getDayOfMonth();
        //bitmap 坐标从0开始， 所以 offset 为 dayOfMonth - 1
        redisTemplate.opsForValue().setBit(key, dayOfMonth - 1, true);
        return true;
    }

    /**
     * 当月连续签到次数  BITFIELD key GET u[dayOfMonth] 0
     */
    public Integer signCount() {
        // 1.获取当前登录用户
        long userId = 123L;
        // 2.获取日期
        LocalDateTime now = LocalDateTime.now();
        // 3.拼接key
        String keySuffix = DateUtil.format(now, ":yyyyMM");
        String key = USER_SIGN_KEY + userId + keySuffix;
        // 4.获取今天是本月的第几天
        int dayOfMonth = now.getDayOfMonth();
        // 5.获取本月截止今天为止的所有的签到记录，返回的是一个十进制的数字 BITFIELD sign:123:202303 GET u24 0
        List<Long> result = redisTemplate.opsForValue().bitField(key, BitFieldSubCommands.create().get(BitFieldSubCommands.BitFieldType.unsigned(dayOfMonth)).valueAt(0));
        if (result == null || result.isEmpty()) {
            // 没有任何签到结果
            return 0;
        }
        Long num = result.get(0);
        if (num == null || num == 0) {
            return 0;
        }
        // 6.循环遍历
        int count = 0;
        while (true) {
            // 6.1.让这个数字与1做与运算，得到数字的最后一个bit位
            // 判断这个bit位是否为0
            if ((num & 1) == 0) {
                // 如果为0，说明未签到，结束
                break;
            } else {
                // 如果不为0，说明已签到，计数器+1
                count++;
            }
            // 把数字右移一位，抛弃最后一个bit位，继续下一个bit位
            num >>>= 1;
        }
        return count;
    }


    /**
     * 统计指定月总共签到次数
     */
    public Integer signCountByMonth(String date) {
        long userId = 123L;
        LocalDateTime dateOfSign = Convert.toLocalDateTime(date);
        String keySuffix = DateUtil.format(dateOfSign, ":yyyyMM");
        String key = USER_SIGN_KEY + userId + keySuffix;
        Long count = redisTemplate.execute((RedisCallback<Long>) redisConnection -> redisConnection.bitCount(key.getBytes()));
        return count == null ? 0 : count.intValue();
    }

}