Redis 中新的三种数据类型

4、Redis 新的三种数据类型

4.1、Bitmaps 位操作字符串

4.1.1、简介

现代计算机使用二进制（位）作为信息的基本单位，1个字节等于8位，例如“abc”字符串是有3个字节组成，但实际在计算机内存储时将其使用二进制表示，“abc”分别对应的ASCII码是：97、98、99，对应的二进制分别是 01100001、01100010、01100011，如下图

合理地使用位操作能够有效地提高内存使用率和开发效率。

Redis 提供了 Bitmaps 这个“数据类型”可以实现对位的操作：

• 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，字符串中每个字符对应 1 个字节，也就是 8 位，一个字符可以存储 8 个 bit 位信息。

• 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。

---

4.1.2、常用命令

setbit 设置某个偏移量的值

127.0.0.1:6379> setbit key offset value
1

设置 offset 偏移位的值为 value，offset 的值是从 0 开始的，n 代表第 n+1 个 bit 位置的。

offset 参数必须大于或等于 0 ，小于 2^32 (bit 映射被限制在 512 MB 之内)。

value 的值只能为 0 或 1

**返回值：**指定偏移量原来储存的位。

注：bit 默认被初始化为 1；

getbit 返回某个偏移量的值

127.0.0.1:6379> getbit key offset
1

bitcount 返回指定范围 bit 位都为 1 的数量

127.0.0.1:6379> bitcount key [start] [end]
1

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统计，通过指定额外的 start 或者 end 参数，可以让计数只在特定的位上进行，start 和 end 参数，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，以此类推。
注意了：start、end 是指 bit 组的字节的下标数，一个直接对应 8 个 bit，所以 [a,b] 对应的 offset 范围是[8a,8b+7]

bitop 对一个或多个 bitmaps 执行位操作

127.0.0.1:6379> bitop operation destkey key [key ...]
1

对一个或多个保存二进制位的字符串 key 进行位元操作，并将结果保存到 destkey 上。

operation 可以是 AND 、 OR 、 NOT 、 XOR 这四种操作中的任意一种：

• bitop and destkey key [key …] ，对一个或多个 key 求逻辑并，并将结果保存到 destkey；

• bitop or destkey key [key …] ，对一个或多个 key 求逻辑或，并将结果保存到 destkey；

• bitop xor destkey key [key …] ，对一个或多个 key 求逻辑异或，并将结果保存到 destkey；

• bitop not destkey key ，对给定 key 求逻辑非，并将结果保存到 destkey；

除了 not 操作之外，其他操作都可以接受一个或多个 key 作为输入。

**返回值：**保存到 destkey 的字符串的长度，和输入 key 中最长的字符串长度相等。

---

4.1.3、Bitmaps 与 Set 比较

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：

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：

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。

4.2、HyperLogLog

4.2.1、简介

在工作当中，我们经常会遇到与统计相关的功能需求，比如统计网站PV（PageView页面访问量）,可以使用 Redis 的 incr、incrby 轻松实现。

但像 UV（UniqueVisitor，独立访客）、独立 IP 数、搜索记录数等需要去重和计数的问题如何解决？这种求集合中不重复元素个数的问题称为基数问题。

解决基数问题有很多种方案：

（1）数据存储在MySQL表中，使用 distinct count 计算不重复个数

（2）使用 Redis 提供的 hash、set、bitmaps 等数据结构来处理

以上的方案结果精确，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。

能否能够降低一定的精度来平衡存储空间？Redis推出了 HyperLogLog

Redis HyperLogLog 是用来做基数统计的算法，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。

在 Redis 里面，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。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。

但是，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。

什么是基数?

比如数据集 {1, 3, 5, 7, 5, 7, 8}， 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。 基数估计就是在误差可接受的范围内，快速计算基数。

---

4.2.1、常用命令

pfadd 添加多个元素

127.0.0.1:6379> pfadd key element [element ...]
1

向HyperLoglog类型的key中添加一个或者多个元素。

添加一个或者多个元素到key对应的集合中。

返回值：

1：添加成功

0：添加失败（元素已存在）

pfcount 返回多个 HLL 合并后元素的个数

127.0.0.1:6379> pfcount key1 key2 ...
1

pfmerge 将多个 HLL 合并后元素放入另外一个 HLL

127.0.0.1:6379> pfmerge destkey sourcekey [sourcekey ...]
1

4.3、Geographic

4.3.1、简介

Reids3.2 中增加了对GEO类型的支持，GEO（Geographic），地理信息的缩写。

该类型，就是元素的 2 维坐标，在地图上就是经纬度，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。

---

4.3.2、常用命令

geoadd 添加多个位置的经纬度

# longitude latitude member：经度 维度 名称
127.0.0.1:6379> geoadd key longitude latitude member [longitude latitude member ...]
1
2

两级无法直接添加，一般会下载城市数据，直接通过java程序一次性导入。

有效的经纬度从-180度到180度，有效的维度从-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。

geopos 获取多个位置的坐标值

# 无数据则，返回 null
127.0.0.1:6379> geopos key member [member ...]
1
2

geodist 获取两个位置的直线距离

# 单位：[m|km|ft|mi] -> [米|千米|英里|英尺]，默认为米
127.0.0.1:6379> geodist key member1 member2 [m|km|ft|mi]
1
2

georadius 以给定的经纬度为中心，找出某一半径内的元素

127.0.0.1:6379> georadius key longitude latitude radius m|km|ft|mi
1

longitude latitude radius：经度 维度 半径

单位：[m|km|ft|mi] -> [米|千米|英里|英尺]，默认为米