redis扩展数据类型使用

        redis除了五种基本数据类型外还有Bitmap，HyperLogLog，GEO，Stream这些扩展类型。使用扩展类型，可以高效的处理一些特定需求。

Bitmap

        Bitmap也叫位图它只有0和1两个值，底层基于String类型，由于String 类型会保存为二进制的字节数组，所以redis 把字节数组的每个 bit 位利用起来，构成 bit 数组以达到节省内存空间的目的。

        基于Bitmap特性，通常用其实现签到，展示用户在线状态等业务。

以签到为例，简单介绍下bitmap用法

id为1的用户2021年8月1日签到成功，由于offset从0起始，所以日期减1
setbit user1:sign:202108 0 1

查看是否签到成功
getbit user1:sign:202108 0 

统计该用户本月签到次数
bitcount user1:sign:202108

bitmap还提供了bitop名利对多个bitmap做聚合统计
其语法为bitop and（交集）、or（并集）、not（非）、xor（异或） 聚合后的key key1 key2 ...

下面以统计连续签到两天的用户为例
20210801这天用户id为1的用户签到
setbit sign:20210801 1 1

20210802这天用户id为1和2的用户签到
setbit sign:20210802 1 1
setbit sign:20210802 2 1

使用bitop取交集
bitop and merage:sign sign:20210801 sign:20210802

使用bitcount验证结果
bitcount merage:sign

HyperLogLog

        HyperLogLog 是一种用于统计基数的数据集合类型。每个 HyperLogLog 占用12 K 内存，可以计算接近 2^64 个元素的基数。相较于hash，set类型来说占用内存小，但有HyperLogLog是概率统计标准误差率为0.81%

        根据基数统计特性，HyperLogLog一般用于统计网页uv，独立ip访问量等操作，其使用方式比较简单

页面page1的uv，访问用户id为1
pfadd page1:uv 1

页面page1的uv总数
pfcount page1:uv


HyperLogLog还可以对多个key取并集操作，例如
pfadd page1:uv 1 2 3

pfadd page2:uv 1 4

对page1:uv，page2:uv 取并集
pfmerge merge:uv page1:uv page2:uv

pfcount验证
pfcount merge:uv

GEO

        GEO主要用于存储地理位置信息，使用GEO可以实现附近的人，附近的餐馆等需求，其底层基于zset，新增查询时使用GeoHash算法对经纬度进行打分计算

        GeoHash算法主要思想是把地球看成一个平面，对平面进行多次二分切割，最终会切割成一个一个小正方形，在切割过程中处于左区间的坐标编码为0，右区间编码为1。举个简单的例子，杭州东站坐标为120.21861,30.297024，现在进行三次切割

	经度最小值	经度最大值	经度中间值	经度区间	编码
第一次	-180	180	0	[0,180)	1
第二次	0	180	90	[90,180)	1
第三次	90	180	135	[90,135)	0

        

	维度最小值	维度最大值	维度中间值	维度区间	编码
第一次	-180	180	0	[0,180)	1
第二次	0	180	90	[90,180)	0
第三次	0	90	45	[0,45)	0

        

切割完成后得到经度编码110，维度编码100，将经度编码放偶数位，维度编码放奇数位得到最终编码110100，这个值就是zset的权重，保存和查询时都通过该方法计算得到附近的人

GEO简单使用如下

添加id为1用户坐标
geoadd nearby:location 120.21861 30.297024 1

添加id为2用户坐标
geoadd nearby:location 120.172616 30.302013 2

添加id为3用户坐标
geoadd nearby:location 120.116275 30.286546 3

添加id为4用户坐标
geoadd nearby:location 118.089697 30.598895 4

获取id为2用户坐标
geopos nearby:location 2

计算id为1和2用户之间距离
geodist nearby:location 1 2 km

查询指定地址附近50km用户根据距离正序排序，取前2位
georadius nearby:location 120.111111 30.28666 50 km asc count 2

查询id为2的用户100km内存在的用户根据距离正序排序
georadiusbymember nearby:location 2 100 km asc

Stream

        redis为消息队列设计的数据类型，个人认为消息队列还是应该用rocketmq，kafka这种，使用redis无法保证消息可靠性。如果对消息不敏感又懒得搭mq可以用redis