详解redis的三种特殊数据类型

14天学习训练营导师课程： 郑为中《Vue和SpringBoot打造假日旅社管理系统》

努力是为了不平庸~
学习有些时候是枯燥的，但收获的快乐是加倍的，欢迎记录下你的那些努力时刻（学习知识点/题解/项目实操/遇到的bug/等等），在分享的同时加深对于知识点的理解，同时吸收他人的奇思妙想，一起见证技术er的成长~
你可以从以下几个方面着手（不强制），或者根据自己对学习课程主题的理解创作，参考如下：

Geospatial(地理位置)

使用经纬度定位地理坐标，底层实现原理就是用一个有序集合zset保存，所以zset命令也可以使用

$ geopos china:city beijing 获取集合中的一个/多个成员坐标  获得当前定位。是一个坐标值

$ geodist china:city beijing shanghai

$ GEORADIUS china:city 120 30 500 km withcoord # 显示出经度和维度
$ GEORADIUS china:city 120 30 500 km withdist  # 显示到中间的距离

$ GEORADIUS china:city 120 30 500 km withcoord withdist count 1 # 筛选出指定的结果

# 找出位于指定元素周围的其他元素
$ GEORADIUSBYMEMBER china:city shanghai 400 km # 显示在上海周围400km内的城市

# 该命令将返回11个字符的geohash字符串
# 将二维的经纬度转换未一维的字符转，两个字符串越接近，相距越近。
127.0.0.1:6379> geohash china:city beijing shanghai
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

有效经纬度

• 有效的经度从-180度到180度。
• 有效的纬度从-85.05112878度到85.05112878度。

指定单位的参数 unit 必须是以下单位的其中一个：

• m 表示单位为米。
• km 表示单位为千米。
• mi 表示单位为英里。
• ft 表示单位为英尺。

关于GEORADIUS的参数

通过georadius就可以完成 附近的人功能

withcoord:带上坐标

withdist:带上距离，单位与半径单位相同

COUNT n : 只显示前n个(按距离递增排序)

• georadius

# 查询经纬度(120,30)坐标500km半径内的成员
127.0.0.1:6379> GEORADIUS china:city 120 30 500 km withcoord withdist 

1) 1) "hangzhou"
   2) "29.4151"
   3) 1) "120.20000249147415"
      2) "30.199999888333501"
2) 1) "shanghai"
   2) "205.3611"
   3) 1) "121.40000134706497"
      2) "31.400000253193539"
1
2
3
4
5
6
7
8
9
10
11

• geohash

127.0.0.1:6379> geohash china:city yichang shanghai # 获取成员经纬坐标的geohash表示
1) "wmrjwbr5250"
2) "wtw6ds0y300"
1
2
3

Hyperloglog(基数统计)

Redis HyperLogLog 是用来做基数统计的算法，例如：网页的UV（一个人访问一个网站多次，但是还是算作一个人）

传统的方式：set保存 用户的id，然后可以统计set中的元素数量作为标准判断。如果保存大量的ID就会麻烦。目的是为了计数，而不是为了保存用户id

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。

仅花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。 但是会有一定的容错

• 如果允许容错，那么一定可以使用Hyperloglog !
• 如果不允许容错，就使用set或者自己的数据类型即可 ！

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。

其底层使用string数据类型

什么是基数？

数据集中不重复的元素的个数。

应用场景：

网页的访问量（UV）：一个用户多次访问，也只能算作一个人。

传统实现，存储用户的id,然后每次进行比较。当用户变多之后这种方式及其浪费空间，而我们的目的只是计数，Hyperloglog就能帮助我们利用最小的空间完成。

• PFADD–PFCOUNT

127.0.0.1:6379> PFADD myelemx a b c d e f g h i j k # 添加元素
(integer) 1
127.0.0.1:6379> type myelemx # hyperloglog底层使用String
string
127.0.0.1:6379> PFCOUNT myelemx # 估算myelemx的基数
(integer) 11
127.0.0.1:6379> PFADD myelemy i j k z m c b v p q s
(integer) 1
127.0.0.1:6379> PFCOUNT myelemy
(integer) 11
1
2
3
4
5
6
7
8
9
10

• PFMERGE

127.0.0.1:6379> PFMERGE myelemz myelemx myelemy # 合并myelemx和myelemy 成为myelemz
OK
127.0.0.1:6379> PFCOUNT myelemz # 估算基数
(integer) 17
1
2
3
4

BitMaps(位图)

使用位存储，信息状态只有 0 和 1，操作二进制位进行记录

Bitmap是一串连续的2进制数字（0或1），每一位所在的位置为偏移(offset)，在bitmap上可执行AND,OR,XOR,NOT以及其它位操作。

应用场景

签到统计、状态统计，统计用户信息：活跃，登陆状态等

• setbit–getbit

127.0.0.1:6379> setbit sign 0 1 # 设置sign的第0位为 1 
(integer) 0
127.0.0.1:6379> setbit sign 2 1 # 设置sign的第2位为 1  不设置默认 是0
(integer) 0
127.0.0.1:6379> setbit sign 3 1
(integer) 0
127.0.0.1:6379> setbit sign 5 1
(integer) 0
127.0.0.1:6379> type sign
string

127.0.0.1:6379> getbit sign 2 # 获取第2位的数值
(integer) 1
127.0.0.1:6379> getbit sign 3
(integer) 1
127.0.0.1:6379> getbit sign 4 # 未设置默认是0
(integer) 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

• bitcount

127.0.0.1:6379> BITCOUNT sign # 统计sign中为1的数量
(integer) 4
1
2

bitmaps的底层

设置以后能get到的值是：\xA2\x80，所以bitmaps是一串从左到右的二进制串