Redis入门（二）--- redis新增数据类型，jedis操作redis，springboot整合redis

接上文：Redis入门-----五种基本数据类型

4、Redis新增的数据类型

4.1 Bitmaps

Redis提供了Bitmaps这个“数据类型”可以实现对二进制位的操作：

• 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。

• 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

• 

4.1.1 基本命令

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

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

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。

4.1.2 实例

①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，

unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps

注意：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获取id=8的用户是否在2020-11-06这天访问过， 返回0说明没有访问过：

③计算2022-11-06这天的独立访问用户数量

④bitop复合操作：

4.1.3 Bitmaps和set的对比

1、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

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

2、 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userid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

4.2 HyperLogLog

处理基数问题：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。

HyperLogLog是降低精度来平衡存储空间的

优点：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。

4.2.1 基本命令

pfadd <key>< element> [element ...]  #添加指定元素到 HyperLogLog 中
pfcount<key> [key ...] 				 #计算HLL的近似基数，可以计算多个HLL
pfmerge<destkey><sourcekey> [sourcekey ...]  #将一个或多个HLL合并后的结果存储在另一个HLL中

4.2.2 实例

①将所有元素添加到指定HyperLogLog数据结构中时：

• 如果执行命令后HLL估计的近似基数发生变化，则返回1
• 否则返回0。

②用HLL存储每天的UV，计算一周的UV可以使用7天的UV合并计算即可（计算每一个合并返回）

③每月活跃用户可以使用每天的活跃用户来合并计算可得（计算每一个合并到最后一个返回最后一个）

4.3 Geospatial

GEO，Geographic，地理信息的缩写。该类型，就是元素的2维坐标，在地图上就是经纬度。redis基于该类型，提供了经纬度设置，查询，范围查询，距离查询，经纬度Hash等常见操作。

4.3.1 基本命令

#添加地理位置（经度，纬度，名称），无法添加南北极，
geoadd<key><longitude><latitude><member> [longitude latitude member...]   

#获得指定地区的坐标值
geopos  <key><member> [member...] 

#获取两个位置之间的直线距离
geodist<key><member1><member2>  [m|km|ft|mi ]  

#以给定的经纬度为中心，找出某一半径内的元素
georadius<key>< longitude><latitude>radius  m|km|ft|mi   

4.3.2 实例

①添加：

②获取：

③计算直线距离：

④找出半径内元素

---

5、Jedis操作redis

需要导入的包：

<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
    <version>3.7.0</version>
</dependency>

基本用法：

private static final String host = "xx.xx.xx.xx";
private static final String password = "xxxxxx";

public void jedisDemo(){
   
    Jedis jedisConnection = new Jedis(host,6379);//建立连接
    jedisConnection.auth(password);				//密码验证
    //....
    jedisConnection.close();					//用完后要关闭连接
}

以下操作均可在第③节基本操作找到对应，仅演示部分

5.1 Jedis-String

@Test
public void jedisString(){
   
    Jedis jedisConnection = new Jedis(host,6379);
    jedisConnection.auth(password);

    jedisConnection.flushDB();

    //set
    jedisConnection.set("k1", "v1");
    System.out.println(jedisConnection.get("k1"));
    //append
    jedisConnection.append("k1","v2");
    System.out.println(jedisConnection.get