Redis学习笔记(二)
1,发布和订阅
1.1,什么是发布和订阅?
Redis 发布订阅 (pub/sub) 是一种消息通信模式:
- 发送者 (pub) 发送消息
- 订阅者 (sub) 接收消息
- Redis 客户端可以订阅任意数量的频道
1.2,发布和订阅命令行实现
①打开一个客户端订阅channel1(subscribe)
②打开另一个客户端给channel1发送消息(publish)
注意:此处的返回值1,表示此时的订阅者数量。
③发布消息之后回到订阅的客户端中查看
2,Redis新数据类型—Bitmaps
2.1,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:
- 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。
2.2,Bitmaps相关命令
①setbit key offset value:设置Bitmaps中某个偏移量的值(0或1)
offset表示偏移量(从0开始,对应数组下标)
通过应用场景理解:
把每个独立用户是否访问过某网站,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) ,如: 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初始化结果如下图:
具体操作如下:
Bitmaps存在一定的缺陷:
- 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。
- 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。
②getbit key offset:获取Bitmaps中某个偏移量的值
③bitcount key start end: 统计字符串从start字节到end字节比特值为1的数量
需要特别注意的是:此命令中的start和end指的是字节(byte),而非偏移量!!!
1byte=8bit !!!
举例理解:
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。结果为1
-
bitcount K1 1 3 : 统计下标1、2、3字节组中bit=1的个数,即01000000 00000000 00100001。结果为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。结果为3
参数start和end也可以使用负数表示如:-1 表示最后一个位,而 -2 表示倒数第二个位。
注意:redis的setbit设置或清除的是bit位置,而bitcount计算的是byte位置。
④bitop and(or/not/xor) destkey key…:复合操作,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。
通过实例理解:
day1这一天访问网站的userid=1,2,5,9。如下图:
setbit users:day1 1 1
setbit users:day1 2 1
setbit users:day1 5 1
setbit users:day1 9 1
day2这一天访问网站的userid=0,1,4,9。如下图:
setbit users:day2 0 1
setbit users:day2 1 1
setbit users:day2 4 1
setbit users:day2 9 1
-
计算出两天都访问过网站的用户数量。如下图:
bitop and users:day1and2 users:day1 users:day2
-
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。如下图:
2.3,Bitmaps和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如下表:
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:
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。如下图:
3,Redis新数据类型—HyperLogLog
3.1,HyperLogLog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,如:
- (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?
于是Redis推出了HyperLogLog。
Redis的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。(即用最小的空间计算更多的值)
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。
注: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。
3.2,HyperLogLog相关命令
①pfadd key element …:添加指定元素到 HyperLogLog 中
②pfcount key …: 计算的HyperLogLog的近似基数
③pfmerge destkey sourcekey sourcekey …: 将一个或多个HyperLogLog合并后的结果存储在另一个HyperLogLog中。 比如每月活跃用户可以使用每天的活跃用户来合并计算可得
4,Redis新数据类型—Geospatial
4.1,Geospatial简介
Redis 3.2 中增加了对GEO类型的支持。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。
4.2,Geospatial相关命令
①geoadd key longitude latitude member [longitude latitude member…] :添加地理位置(经度,纬度,名称)
注:
两极(南极北极)无法直接添加,一般会下载城市数据,直接通过 Java 程序一次性导入。有效的经度从 -180 度到 180 度。有效的纬度从 -85.05112878 度到 85.05112878 度。
② geopos key member :获得指定地区的坐标值
③geodist key member1 member2 [m|km|ft|mi ] : 获取两个位置之间的直线距离
在此命令的最后添加单位:
- m 表示单位为米[默认值]。
- km 表示单位为千米。
- mi 表示单位为英里。
- ft 表示单位为英尺。
如果用户没有显式地指定单位参数, 那么 GEODIST 默认使用米作为单位。
④georadius key longitude latitude radius [m|km|ft|mi] 以给定的经纬度为中心,找出某一半径内的元素