redis 三种高级数据结构

最新推荐文章于 2024-08-05 21:34:26 发布
最新推荐文章于 2024-08-05 21:34:26 发布
阅读量1.3k 收藏
点赞数
分类专栏： redis 文章标签： redis
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34404994/article/details/123957279
版权

bitMap

bitMap 其实个字符串数组，只是这种数组里面存储的是0和1
思考：计算机底层是将信息转成二进制存储的，合理的使用01位图，可以帮助我们提升效率，节省空间

redis中的操作：
在这里插入图片描述
bitmap 适合的用途：记录大批用户的某种动作的两个状态
比如记录：某种商品一天被多少个用户浏览过
或者一个用户一个月浏览过多少商品之类的
比起正常的使用map存储，使用bitmap存储不仅速度更快，占用的空间更少
思考，相比正常map的全id存储，bitmap将下标作为映射id，一个id只对应数组中的一位，通过这种方式大大提高了存储效率

布隆过滤器

hash算法与位图法的互相应用
上面有说bitmap映射ID，那么常见的映射方式就是采用hash算法的方式，将字符串通过hash算法的方式映射到bitmap上

hash冲突：和hashMap不一样，hashmap采用链表+红黑树的方式处理hash冲突，但是显然在bitmap中没法这样用，那么bitmap怎样处理hash冲突呢？
多次hash计算，通过不同hash落在bitmap不同的位上，同过多个hash定位一个值是否存在

无法避免的冲突

多个hash定位，意味着其他的字符串也有可能hash定位在相同的bit位上，干扰了我们的判断，因此 如果某字符串的多个hash都存在，并不代表着这个字符串一定存在，
相反如果有的hash位不存在，那么这个字符串一定不存在

合适的bitmap长度合理避免hash冲突

假设bitmap长度位 m 大概的插入个数位 n 允许出现的概率 位p
那么公式是
在这里插入图片描述
适合的hash个数为k 公式如下
在这里插入图片描述
（图片来源享学课堂）

HyperLogLog极大似然法

当某组数据量高达一个数量级后，想要计算这个这组数数据的个数则成为了个很消耗成本的动作，时间复杂度O(n)

所以如果我们只需要知道大概的多少W的数据量，不用精确到个位的话可以使用HyperLogLog来计算。

那么什么是HyperLogLog呢？

通过将key字符串转成二进制后，通过从右到左数第一个出现1的位置来表示一共有多少数据量，比如：
0000100 --》表示这组数据有4组

听起来是不是很离谱，第一此出现1的是很有随机性的，通过这种方式确认数据量，正确的概率简直就和抛硬币会立起来的概率一样

等等，概率！如果一组正确概率很离谱，那么我做1000次，1W次呢，多组数据的验证，可以使结果趋向正确

分桶

如上所说HyperLogLog采用了分桶概念，将一个字符串hash出64位，其中前14位作为桶位，后五十位作为计算第一个1出现的位置。

如果计算的桶位冲突吗，则取最大值

这样当我们将所有桶位都赛满后，就可以开始计算了

调和平均数

假设我的月收是3000 马爸爸的收入的3000w
这个时候使用平均数会使得我的月收入高达 1500W

虽然很美好但是偏离事实太多了
所以这时候有了调和平均数
2/（1/3000+ 1/3000W） 结果约等于6K
这样算出来的结果看比较靠谱
所以HyperLog就是采用这种方式计算桶内的值

HyperLogLog 操作符号

pfadd
pfcount

HyperLogLog思考

HyperLogLog 其实是通过 字符转二进制+寻找最小位1的位置+多组计算+调和平均数的方式估算出一个接近真实数据数量。

GEO算法

通过输入经纬度可以计算出 两个坐标之间的距离

原理：将二位的经纬度映射成一维的整数
通过一维的整数可以直观的看到两个坐标之间的距离
加入坐标：geoadd
计算距离：geodist
geo存储位置是zset
因此删除时使用了 zrem

八月中秋甘凌凉
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
七、Redis三种高级数据结构-HyperLogLog
qq_41056506的博客
05-11 436
比如数据集{1,3,5,7,9,3,5,7}，那么这个数据集的基数集为{1,3,5,7,9}，基数为5(不重复的元素)。基数估计就是在误差可接受的范围内，快速计算基数。
Redis常用的五种数据结构
m0_59679869的博客
05-30 1250
Redis的物种数据结构及其常用场景
Redis的五种基础数据结构和三种高级数据结构
qq_35385932的博客
02-10 1521
Redis底层数据结构
Redis高级数据结构
Minor的Java技术博客
07-09 545
现代计算机用二进制位作为信息的基础单位，1字节=8位，比
Redis 9种数据结构
txwy12的博客
04-01 914
5种普通数据结构 这个没什么好说的，对Redis稍微有点了解的都知道5种最基本的数据结构：String，List，Hash，Set，Sorted Set。不过，需要注意的是，这里依然有几个高频面试题。 Set和Hash的关系 答案就是Set是一个特殊的value为空的Hash。Set类型操作的源码在t_set.c中。以新增一个元素为例（int setTypeAdd(robj *subject, sds value)），如果编码类型是OBJ_ENCODING_HT，那么新增源码的源码如下，事实上就是对dict
Redis中的数据结构解析
无远弗届
05-30 952
Redis是一个开源的、基于内存的键值存储数据库，支持多种类型的数据结构，如字符串、列表、集合、有序集合等。它以其高性能、持久化选项和易于使用的API而受到开发者的喜爱。Redis通常用于实现快速的数据访问，如缓存、会话存储等。
Redis数据结构与底层实现揭秘
码到三十五
01-24 1435
Redis通过精巧的数据结构和编码方式，实现了高性能的数据存储和操作。其底层实现不仅考虑了内存的使用效率，还充分考虑了数据操作的性能。这使得Redis能够在处理大量数据和并发请求时，依然保持出色的性能表现。对于开发者而言，理解Redis的数据结构和底层实现，有助于更好地使用和优化Redis，从而提升应用的整体性能。
Redis底层数据结构之Dict
xiong_tai的博客
04-23 2774
Redis 的 Dict 是一个高效的键值对映射数据结构，采用双哈希表实现以支持无锁的渐进式 Rehash，确保扩容或缩容时的高效性能。它通过哈希表节点以链表形式解决哈希冲突，允许快速的查找、插入和删除操作，是实现 Redis 各种数据类型和高级功能的基础架构之一。
Redis-5种基本数据结构详解
Java程序员的知识博客
02-10 2654
String 是 Redis 中最简单同时也是最常用的一个数据结构。String 是一种二进制安全的数据结构，可以用来存储任何类型的数据比如字符串、整数、浮点数、图片（图片的 base64 编码或者解码或者图片的路径）、序列化后的对象。虽然 Redis 是用 C 语言写的，但是 Redis 并没有使用 C 的字符串表示，而是自己构建了一种简单动态字符串SDS。
Gateway实现Redis拉取信息+用户模块开发
Sun的个人博客
08-05 499
import cn/**/*** 用户注册* @returntry {// 日志 if(log . isInfoEnabled()) {} // 参数校验 Preconditions . checkArgument(!StringUtils . isBlank(authUserDTO . getUserName()) , "用户名不能为空");
Redis01- 基础篇
weixin_53717695的博客
08-05 115
Redis01- 基础篇
Redis作为缓存，如何与MySql的数据进行同步？
最新发布
尚未佩妥剑 转眼便江湖
08-05 51
Redis作为缓存，如何与MySql的数据进行同步
【redis 第四篇章】事务
Tsing
08-02 393
事务（Transaction），一般是指要做的或所做的事情。在计算机术语中是指访问并可能更新数据库中各种数据项的一个程序执行单元 (unit)。
skynet 连接redis
yajunjiao的专栏
08-05 276
这一篇主要写了一个skynet连接redis的例子，补充下之前的篇章，刚好demo中也没有，就拿这个例子来看看。有兴趣，可以看看。
【Redis】redis详解
KJJfighting的博客
08-05 114
优点：通过主从复制实现数据备份和负载均衡，主节点进行读写操作，从节点只进行读操作。优点：通过分片存储和集群管理实现高可用性和扩展性。优点是高可用性、可扩展性；优点：兵监控主节点状态，当主节点宕机时，自动将从节点提升为主节点。优点：部署简单，成本低，高性能，不需要数据同步，单个机器性能高。缺点：需要人工干预故障恢复，写操作无法负载均衡。缺点：可靠性低，单节点宕机后无法继续使用。缺点：配置复杂，需要专业维护。缺点：部署复杂，资源浪费。
redis的key莫名失踪？
清欢01的博客
08-05 99
在线上环境下，发现redis中key被莫名奇妙的删除了，起初怀疑是key过期但是查询了TTL并没有，在日志上加了删除key操作的打印 但是并没有看到产出这个key的日志记录，而且每次都是这个key被莫名奇妙删除掉，感觉很诡异。首先我们发现redis中key莫名消失了，第一反应肯定是过期了，被打满了？在日志对应的时间这里可以看到affect=3，也就是对应上了我们redis monitor中看到的del三个key。就是这个方法，异步的把我所有1开头的后缀的key都删掉了，日志上面又看不出来。
Redis漏洞复现【vulhub靶场】
weixin_57240513的博客
08-04 209
看所有键:KEYS *，使用select num可以查看键值数据。redis-cli -h 192.168.4.176-p 6379#redis常见命令。(7)config get dir/dbfilename 获取路径及数据配置信息。进入目录:cd /vulhub-master/redis/4-unacc。启动:docker-compose up -d。(2)删除所有数据库内容:flushall。检查:docker-compose ps。(9)get 变量，查看变量名称。(1)查看信息:info。
Failed to start Redis persistent key-value
猿小白的博客
08-02 75
CentOS7上通过yum安装redis发现启动不起来，报错：Failed to start Redis persistent key-value。
redis的高级数据结构
05-31
Redis提供了许多高级数据结构，以下是其中一些常用的高级数据结构： 1. 哈希表 Redis的哈希表是一个键值对集合，其中每个键都是唯一的。哈希表支持添加、删除和查询操作，并且可以嵌套使用。 2. 集合 Redis的集合是一个无序的、唯一的元素集合。集合支持添加、删除和查询操作，并且可以对多个集合进行并集、交集和差集等操作。 3. 有序集合 Redis的有序集合是一个排序的、唯一的元素集合。每个元素都有一个分数值，可以用于排序。有序集合支持添加、删除和查询操作，并且可以对多个有序集合进行交集、并集和差集等操作。 4. 列表 Redis的列表是一个有序的、可重复的元素集合。列表支持在头部和尾部添加或删除元素，并且支持根据索引位置查询元素。 5. 布隆过滤器 Redis的布隆过滤器是一种空间效率非常高的随机数据结构，可以用于判断元素是否存在于一个集合中。布隆过滤器可以通过添加更多的哈希函数和位数组大小来提高准确性。 这些高级数据结构都是Redis中非常重要的组成部分，它们可以帮助我们更加高效地存储和管理数据，并且提高Redis的性能和稳定性。在实际应用中，我们可以根据具体的场景来选择合适的数据结构来实现我们需要的功能。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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