Redis新数据类型——Bitmaps

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”分别对应的ASCII码分别是97、 98、 99， 对应的二进制分别是01100001、 01100010和01100011，如下图

合理地使用操作位能够有效地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， 实际上它就是字符串（key-value） ，但是它可以对字符串的位进行操作。
（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。

命令

1、setbit

（1）格式

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

offset:偏移量从0开始
（2）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， 那么当前Bitmaps初始化结果如图:

unique:users:20211124代表2021-11-24这天的独立访问用户的Bitmaps

127.0.0.1:6379> setbit unique:users:20211124 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211124 6 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211124 11 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211124 15 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211124 19 1
(integer) 0
127.0.0.1:6379>

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

（1）格式

getbit<key><offset>获取Bitmaps中某个偏移量的值

（2）实例
获取id=8的用户是否在2021-11-24这天访问过， 返回0说明没有访问过：

127.0.0.1:6379> getbit unique:users:20211124 8
(integer) 0
127.0.0.1:6379> getbit unique:users:20211124 1
(integer) 1
127.0.0.1:6379> getbit unique:users:20211124 100
(integer) 0
127.0.0.1:6379>

注：因为100根本不存在，所以也是返回0

3、bitcount

统计 字符串 被设置为1的bit数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 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：比如-1 表示最后一个位，而 -2 表示倒数第二个位，start、end 是指bit组的字节的下标数，二者皆包含。
（1）格式

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

（2）实例
计算2021-11-24这天的独立访问用户数量

127.0.0.1:6379> bitcount unique:users:20211124
(integer) 5
127.0.0.1:6379>

start和end代表起始和结束字节数， 下面操作计算用户id在第1个字节到第3个字节(一个字节等于8位)之间的独立访问用户数， 对应的用户id是11， 15， 19。

127.0.0.1:6379> bitcount unique:users:20211124 1 3
(integer) 3
127.0.0.1:6379>

举例： K1 【01000001 01000000 00000000 00100001】，对应【0，1，2，3】
bitcount K1 1 2 ： 统计下标1、2字节组中bit=1的个数，即01000000 00000000
—> bitcount K1 1 2 　　-->1

bitcount K1 1 3 ： 统计下标1、2字节组中bit=1的个数，即01000000 00000000 00100001
–>bitcount K1 1 3　　-->3

bitcount K1 0 -2 ： 统计下标0到下标倒数第2，字节组中bit=1的个数，即01000001 01000000 00000000
–>bitcount K1 0 -2　　-->3
注意：redis的setbit设置或清除的是bit位置，而bitcount计算的是byte位置。

4、bitop

(1)格式

bitop  and(or/not/xor) <destkey> [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） 、 xor（异或） 操作并将结果保存在destkey中。

(2)实例
2021-11-24 日访问网站的userid=1,2,5,9。

127.0.0.1:6379> setbit unique:users:20211124 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211124 2 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211124 5 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211124 9 1
(integer) 0

2021-11-23 日访问网站的userid=0,1,4,9。

127.0.0.1:6379> setbit unique:users:20211123 0 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211123 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211123 4 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20211123 9 1
(integer) 0
127.0.0.1:6379>

计算出两天都访问过网站的用户数量

127.0.0.1:6379> bitop and unique:users:and:20211124_03 unique:users:20211123 unique:users:20211124
(integer) 2
127.0.0.1:6379> bitcount unique:users:and:20211124_03
(integer) 2

计算出任意一天都访问过网站的用户数量（例如月活跃就是类似这种） ， 可以使用or求并集

127.0.0.1:6379> bitop or unique:users:or:20211124_03 unique:users:20211123 unique:users:20211124
(integer) 2
127.0.0.1:6379> bitcount unique:users:or:20211124_03
(integer) 6
127.0.0.1:6379>

Bitmaps与set对比

假设网站有1亿用户， 每天独立访问的用户有5千万， 如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表

set和Bitmaps存储一天活跃用户对比

数据类型	每个用户id占用空间	需要存储的用户量	全部内存量
集合类型	64位	50000000	64位*50000000 = 400MB
Bitmaps	1位	100000000	1位*100000000 = 12.5MB

很明显， 这种情况下使用Bitmaps能节省很多的内存空间， 尤其是随着时间推移节省的内存还是非常可观的

set和Bitmaps存储独立用户空间对比

数据类型	一天	一个月	一年
集合类型	400MB	12GB	144GB
Bitmaps	12.5MB	375MB	4.5GB

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。

set和Bitmaps存储一天活跃用户对比（独立用户比较少）

数据类型	每个用户id占用空间	需要存储的用户量	全部内存量
集合类型	64位	100000	64位*100000 = 800KB
Bitmaps	1位	100000000	1位*100000000 = 12.5MB