Redis6的三种新数据类型

目录

前言：

一、Bitmaps

1.介绍：

 2.常用命令：

（1）setbit（设置）

（2）getbit（获取）

（3）bitcount（统计）

（4）bitop（集合化）

 3.Bitmaps与set对比

 二、HyperLogLog

1.介绍

 2.常用命令

（1）pfadd（添加）

（2）pfcount（统计）

（3）pfmerge（合并）

三、Geospatial

1.介绍

2.常用命令：

（1）geoadd（添加）

（2）geopos（获取）

（3）geodist

（4）georadius

---

前言：

        本文主要介绍Redis6的新三种数据类型：Bitmaps、HyperLogLog、Geospatial，文中会提到Bitmaps与set的功能区别与优点，HyperLogLog统计基数的优势等

一、Bitmaps

1.介绍：

Redis提供了Bitmaps这个“数据类型”可以实现对位的操作：

1. 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。
2. 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。

        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。 

 2.常用命令：

（1）setbit（设置）

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

*offset 从0开始

实操：

 成功返回0，失败返回1

（2）getbit（获取）

格式：getbit<key><offset>获取Bitmaps中某个偏移量的值

*offset 从0开始

实操：

1说明存在记录，0说明未记录

（3）bitcount（统计）

        *统计字符串被设置为1的bit数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 end 参数，可以让计数只在特定的位上进行。

        start 和 end 参数的设置，都可以使用负数值：比如 -1 表示最后一个位，而 -2 表示倒数第二个位，start、end 是指bit组的字节的下标数，二者皆包含。

格式：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

实操：

（4）bitop（集合化）

格式： bitop  and(or/not/xor) <destkey> [key…]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。

实操（and）：

 3.Bitmaps与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

        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

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

        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。

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

 二、HyperLogLog

1.介绍

        HyperLogLog是基数计数类型，使用其来对数据进行基数计数时，总能在固定的、较小的空间进行计数记录。虽然Redis的Set、Hash、bitmaps也可以达到目的，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。

        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

        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。

基数： 不重复的数，例如{1，1，1，2，2，3，6} ==>{1, 2, 3, 6}

 2.常用命令

（1）pfadd（添加）

格式：pfadd <key>< element> [element ...]   添加指定元素到 HyperLogLog 中

实操： 

成功返回1，失败返回0 

（2）pfcount（统计）

格式：pfcount<key> [key ...] 计算HLL的近似基数，可以计算多个HLL

实操：

（3）pfmerge（合并）

格式：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

 实操：

三、Geospatial

1.介绍

        该类型用来记录某地的经纬度。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。

2.常用命令：

（1）geoadd（添加）

格式：geoadd<key>< longitude><latitude><member> [longitude latitude member...]   添加地理位置（经度，纬度，名称）

        两极无法直接添加，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。

        当坐标位置超出指定范围时，该命令将会返回一个错误。

        已经添加的数据，是无法再次往里面添加的。

（2）geopos（获取）

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

实操：

（3）geodist

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

实操：

（4）georadius

格式：georadius<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 

实操：