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