【Redis】——新数据类型（Bitmaps、HyperLogLog、Geospatial）

最新推荐文章于 2023-02-15 17:36:55 发布

那时的样子_

最新推荐文章于 2023-02-15 17:36:55 发布

阅读量684

点赞数 1

分类专栏： redis 文章标签： redis 缓存 nosql

本文链接：https://blog.csdn.net/qq_42000631/article/details/122158360

版权

redis 专栏收录该内容

15 篇文章 3 订阅

订阅专栏

Redis 新数据类型

1. Bitmaps

<1>简介

现代计算机用二进制（位）作为信息的基础单位，1个字节等于8个位，例如“abc” 字符串是由3个字节组成，但实际在计算机存储时将其用二进制表示， “abc” 分别对应ASCII码分别是 97、98、99 对应的二进制分别是 01100001、01100010、01100011，如下图
合理的使用操作位能够有效的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，实际上他就是字符串（key-value）
(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。

<2>命令

1. setbit

格式

setbit < key> < offset> < value> 设置Bitmaps中某个偏移量的值（0或1）
注：offset：偏移量从0开始

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
在这里插入图片描述

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

格式

getbit< key> < offset> 获取Bitmaps中某个偏移量的值
在这里插入图片描述

3. bitcount

格式

bitcount [start end] 统计字符串从start字节到end字节比特值为1的数量

说明

统计字符串被设置位1 的bit数，一般情况下，给定的整个字符串都被字符串都会被进行统计，通过指定额外的start或者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，-1表示最后一个位，-2表示倒数第二个位。start，end是指bit数组的字节的下标，二者皆包含。

实例

在这里插入图片描述

4. bitop

格式

bitop and(or/not/xor) [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）、oxr（异或）操作并将结果草存在destkey中

实例

在这里插入图片描述

and：
在这里插入图片描述

or：
在这里插入图片描述

not：
在这里插入图片描述

<3>比较

在这里插入图片描述

但Bitmaps并不是万金油，假如该网站每天的独立访问用户很少，例如只有10万(大量的僵尸用户），那么两者的对比如下表所示，很显然，这时候使用Bitmaps 就不太合适了，因为基本上大部分位都是0。

2. HyperLogLog

<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。
在 Redis里面，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。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)为5。基数估计就是在误差可接受的范围内，快速计算基数。