【Redis入门笔记 03】三种特殊数据类型

redis 除了五个常用的基本数据类型，还有三个特殊数据类型：

• Geospatial（地理位置）
• Hyperloglog（基数统计）
• Bitmap（位图）

🍉地理位置 Geospatial

在 redis 3.2 版本之后推出了 地理位置 数据类型。用它可以推算出地理位置的信息，两地之间的距离，方圆几里内的人和物体…

针对地理位置的操作，redis 提供了如下 6 个命令：

其中 geoadd 命令的经度有效值：[-180, 180]，纬度有效值：[-85.05112878, 85.05112878]，南北极无法添加进数据库~

GEO 底层是基于 Zset 实现的，我们还可以使用 Zset 命令来操作 GEO~

127.0.0.1:6379> ZRANGE china:city 0 -1
1) "shanghai"
2) "beijin"

# 删除 北京 的位置信息
127.0.0.1:6379> zrem china:city beijin
(integer) 1

127.0.0.1:6379> ZRANGE china:city 0 -1
1) "shanghai"
1
2
3
4
5
6
7
8
9
10

---

🍋基数统计 Hyperloglog

在 redis 2.8.9 版本加入了一个新的数据类型：Hyperloglog 用来做基数统计。

基数是什么呢？

以数据集 A = {1, 3, 5, 7 ,8, 7} 为例，它的基数集合为 {1, 3, 5, 7, 8}，基数为 5，也就是数据集中不重复的元素个数。

redis 中的 Hyperloglog 是一个用来快速计算基数的算法，并且所需的内存非常少。在实际应用中，如果需要统计网站的访问量，同时希望去掉重复的 IP 访问数，亦或者统计不重复的搜索记录数量，在传统的数据库中我们可以使用 distinct count 来计算，但是随着数据的增加，需要占用的空间会越来越大，因此 redis 推出了 Hyperloglog 来进行基数统计，这种算法计算基数是所用的空间是固定的，并且内存占非常用小。

redis 中每个 Hyperloglog 只需要 12KB 内存就可以统计 $2^{64}$ 个不同元素基数，但是 Hyperloglog 只会统计出数量，并不会存储元素本身，同时 Hyperloglog 的低内存占用是在牺牲了一定精准度下换来的，如果使用场景允许少量的统计误差，基数统计是一个非常合适的选择。

reids 提供了 3 个命令：

一个统计不重复元素数量的示例：

示例中的基数是没有误差的，因为 Hyperloglog 在数据范围比较小的情况下基本不会出现误差~

---

🍍位图 Bitmaps

Bitmap（位图） 是一个通过比特位（bit）来表示某个元素对应的值或状态的数据结构，通过操作二进制位来进行记录，每个位有 0 和 1 两个状态。其中 key 是对应元素本身，常用于用户签到、统计活跃用户等场景…

比如要统计一个用户一年的打卡情况，常规做法是维护一个数据库表 date - state 来记录 365 天每一天的打卡状态，而使用 Bitmaps 将打卡状态用二进制位表示，一个字节 8 位，只需要 46 个字节左右就可以记录下一年的打卡信息！

redis 为我们提供了三个命令：

一个统计周签到信息的示例：

周一到周五的签到信息如下~

---

🚀redis 系列专栏：Redis 快速入门
❤整理不易❤ 还请各位读者老爷们三连支持一下╰(￣ω￣ｏ)