redis 经纬度_Redis扩展数据类型

一、简述

前面一篇文章中，我们已经介绍过了《Redis基本数据类型》，这些基本数据类型对于大多数的业务需求都可以很好的满足，但是对于这些基本数据类型，在一些特殊的场景中，却并不一定适用，下面我们来介绍一下Redis提供的一些扩展数据类型和时序数据库模块。

bitmap：基于bit位的存储，每一个bit存储0或1，一般用来进行海量数据的精准判重

HyperLogLog：一般用来对海量数据进行基于概率的基数统计，比如说网站的独立访客数、独立IP数等

Geo：基于地理空间的数据存储，常应用在那些基于位置服务，也就是我们常说的LBS(Location-Based Service)的应用，比如说打车等生活服务类应用

Stream：消息流，Redis自5.0版本之后，引入了消息队列的机制，也就是我们熟悉的Pub/Sub(发布/订阅)机制。

RedisTimeSeries：时间数据库模块，主要存储一些跟时间戳相关，需要范围查询，聚合计算等场景的数据集

二、Bitmap

Bitmap，也叫位图，通过二进制bit中的0或1来表示，某个位置的标记，因为每一个bit都只能是0或1，所以通常用来表示一个数据(通常对应于数组下标)是否已经存在(存在的话，该bit位上是1，否则为0)。下面，我们看看具体的存储结构，如下图所示：

其实在Redis中，bitmap是通常字符串来实现的，每一个字符的ASC2编码值代表一个字节，比如上面的数据就代表字符串"ab"。

Redis中的bitmap最多能存512M个字节，如果超出会报错，但这在绝大多数场景中已经足够了，因为512M可以表示：512*1024*1024*8 = 4294967296个。

bitmap一般用在什么场景呢？比如说，我们有一个id(id < 4294967296)集合A，要存储起来，然后和另外一个id集合B进行比较，找出重复的id有哪些？比如说有1亿个id吧。那么这种情况，采用bitmap就十分合适了。

bitmap的getbit和setbit的时间复杂度都是：O(1)

三、HyperLogLog

上面简述中，我们已对提到，HyperLogLog主要是用来做基数统计的，我们知道在计算机领域，可以做基数统计的还有其它的类型，比如set, hash, bitmap都可以实现，但是面对海量数据的基数统计，这些数据结构都将消耗大量内存，比如说set和hash可以适用少量数据的统计和滤重，bitmap适合海量数据的滤重，但不适合海量数据的统计。

其实HyperLogLog呢，它的底层也是采用bitmap来实现的，它是采用一种基数估算算法来实现的，如果你有兴趣，可以去研究一下基数估算算法。HyperLogLog，它仅仅只需要12KB的内存空间，可以完成对_2⁶⁴个数据完成基数统计，而且标准误差只有0.81%。

采用PFADD命令往HyperLogLog中添加数据， PFCOUNT命令就可以返回HyperLogLog的基数统计结果。

添加与统计的时间复杂度都是：O(1)

四、Geo

基于LBS的应用，比如说生活服务类的应用，我们想要查询附近3公里内所有的餐馆，那么这个时候，我们输入的数据应该就是一个经纬度坐标，那么Redis就会从数据库中查找出以输入坐标为圆心3公里作为半径范围内所有数据。

那么Redis是存储经纬度坐标的呢？

其实对于地理空间数据的编码方式，通常来说有两种：

(1)、二分区间法；

(2)、坐标转换法；

关于上述两种算法的实现原理，如果你有兴趣，可以自行了解一下。

Redis采用的是性能更高的坐标转换法，基本思想就是将经纬度二维坐标数据转为整数存储。

最常见的命令有：

geoadd：输入坐标，将一个经纬度坐标添加到geo数据集中

georadius：输入坐标和半径，返回geo数据集中，所有在指定坐标为圆心指定半径范围内的所有其它坐标点。

geodist：输入两个坐标点，计算两点之间的距离。

五、Stream

Redis自5.0.0之后，引入了消息队列的功能，也就是开始支持Pub/Sub(发布/订阅)的功能。

Stream，消息流的底层存储结构采用的是listpack，就是一个序列化之后的字符串列表。因为它还是一个队列，那么它需要满足先进先出的特性。

Redis的消息队列相对于传统专门的消息中间件来说，有哪些优点和缺点：

优点：

(1)、高性能；

(2)、低延迟；

(3)、轻量级。

缺点：

(1)、容量小，基于内存，如果内存爆了，就无法写入新消息；

(2)、可靠性差，需要自己业务代码实现可靠性保证；

综合来看：如果业务对消息队列的容量要求不是那么大、可靠性要求也不是非常非常高，同时又不想引入专门的消息中间件使得架构变得更加复杂的话，那么Redis的消息队列功能也不失为一种办法。

六、RedisTimeSeries

RedisTimeSeries是Redis提供的时序数据库模块，那么时序数据库主要用来干什么呢？

比如说有这样的需求：

我们要存储北京市最近一年每一分钟的温度数据，然后查询需求有：

(1)、输入一个时间点，查询这个时间点的温度数据；

(2)、输入一个时间范围，同时返回这个时间范围的温度平均值，最高值，最低值。

如果采用之前的基本数据类型来存储，那么可能需要同时使用hash和sorted set。而且，要求一个时间范围的温度平均值的话，我们还必须把数据加载到客户端来进行聚合计算。

这里需要说明一下，RedisTimeSeries跟上面的扩展数据类型不一样，它并不是Redis内置的功能，它只是一个Redis扩展模块。它专门面向时间序列数据提供了数据类型和访问接口，并且支持在 Redis 实例上直接对数据进行按时间范围的聚合计算。

所以，你在使用RedisTimeSeries时，需要先把它的源码单独编译成动态链接库 redistimeseries.so，再使用 loadmodule 命令进行加载，如下所示：

loadmodule redistimeseries.so

常见的操作如下：

(1)、用 TS.CREATE 命令创建时间序列数据集合；

(2)、用 TS.ADD 命令插入数据；

(3)、用 TS.GET 命令读取最新数据；

(4)、用 TS.MGET 命令按标签过滤查询数据集合；

(5)、用 TS.RANGE 支持聚合计算的范围查询。