Redis新数据类型（Bitmaps，HyperLoglog，Geospatial）命令简介与案例演示

Bitmaps

简介

Bitmaps 并不是实际的数据类型，而是定义在String类型上的一个面向字节操作的集合。因为字符串是二进制安全的块，他们的最大长度是512M，最适合设置成2^32个不同字节。
bitmaps的位操作分成两类：1.固定时间的单个位操作，比如把String的某个位设置为1或者0，或者获取某个位上的值 2.对于一组位的操作，对给定的bit范围内，统计设定值为1的数目（比如人口统计）。
bitmaps最大的优势是在存储数据时可以极大的节省空间，比如在一个项目中采用自增长的id来标识用户，就可以仅用512M的内存来记录40亿用户的信息（比如用户是否希望收到新的通知，用1和0标识）

简单来说bitmaps就是一个长度可变的bit数组。每个位只能存储0或1。我们先来看看bitmap的具体表示，当我们使用命令 setbit key (0,2,4,6) 1后，这个bit数组的具体表示为：
bit0bit1bit2bit3bit4bit5bit6bit710101010

命令

1、setbit
格式：
setbit设置Bitmaps中某个偏移量的值（0或1）

offset:偏移量从0开始

2、getbit

格式：
getbit获取Bitmaps中某个偏移量的值
获取键的第offset位的值（从0开始算）

3、bitcount

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[start end] 统计字符串从start字节到end字节比特值为1的数量

4、bitop
格式

bitop  and(or/not/xor) <destkey> [key…]
1

bitop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。

看完命令就来个小案例演示这些命令吧

案例演示

场景：某个平台需要统计：用户的活跃情况，1表示活跃
假设现在有20个用户，
2022.08.10：
用户id为1， 3， 5，7， 9，11，13的用户对网站进行了访问
2022.08.11
用户id为0，8， 5，7，13，14，15的用户对网站进行了访问

存储：setbit
将这两天的数据存储

127.0.0.1:6379> setbit users:20220810 1 1
(integer) 0
127.0.0.1:6379> setbit users:20220810 3 1
(integer) 0
127.0.0.1:6379> setbit users:20220810 5 1
(integer) 0
127.0.0.1:6379> setbit users:20220810 7 1
(integer) 0
127.0.0.1:6379> setbit users:20220810 9 1
(integer) 0
127.0.0.1:6379> setbit users:20220810 11 1
(integer) 0
127.0.0.1:6379> setbit users:20220810 13 1
(integer) 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

127.0.0.1:6379> setbit users:20220811 0 1
(integer) 0
127.0.0.1:6379> setbit users:20220811 8 1
(integer) 0
127.0.0.1:6379> setbit users:20220811 5 1
(integer) 0
127.0.0.1:6379> setbit users:20220811 7 1
(integer) 0
127.0.0.1:6379> setbit users:20220811 13 1
(integer) 0
127.0.0.1:6379> setbit users:20220811 14 1
(integer) 0
127.0.0.1:6379> setbit users:20220811 15 1
(integer) 0
1
2
3
4
5
6
7
8
9
10
11
12
13
14

获取：getbit
id=16，和id=3的用户是否在2022-08-11这天访问过

127.0.0.1:6379> getbit users:20220810 16
(integer) 0
127.0.0.1:6379> getbit users:20220810 3
(integer) 1
1
2
3
4

统计：bitcount
计算2022-08-11这天访问用户数量

127.0.0.1:6379> bitcount users:20220810
(integer) 7
1
2

计算：bitop
计算出两天都访问过平台的用户数量

127.0.0.1:6379> bitop and users:and 20220811_10 users:20220810 users:20220811
(integer) 2
1
2

HyperLoglog

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。

命令

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

2.pfcount
格式
pfcount [key ...] 计算HLL的近似基数，可以计算多个HLL，比如用HLL存储每天的UV，计算一周的UV可以使用7天的UV合并计算即可

3.pfmerge

格式
pfmerge [sourcekey ...] 将一个或多个HLL合并后的结果存储在另一个HLL中，比如每月活跃用户可以使用每天的活跃用户来合并计算可得

案例演示

1.统计某博客网站每天独立访客的人数，用HLL数据类型存取

127.0.0.1:6379> pfadd count:day01 "tom"
(integer) 1
127.0.0.1:6379> pfadd count:day01 "bob"
(integer) 1
127.0.0.1:6379> pfadd count:day01 "alen"
(integer) 1
127.0.0.1:6379> pfadd count:day01 "alen"
(integer) 0
127.0.0.1:6379> pfadd count:day02 "tom"
(integer) 1
127.0.0.1:6379> pfadd count:day02 "jpl"
(integer) 1
127.0.0.1:6379> pfadd count:day02 "lbb"
(integer) 1
1
2
3
4
5
6
7
8
9
10
11
12
13
14

2.统计每天的访客量

127.0.0.1:6379> pfcount count:day01
(integer) 3
127.0.0.1:6379> pfcount count:day02
(integer) 3
1
2
3
4

3.计算两天的独立访客量

127.0.0.1:6379> pfcount count:twodays count:day01 count:day02
(integer) 5
1
2

Geospatial

简介

Redis 3.2 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

命令

1.geoadd

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

2.geopos

格式
geopos [member...] 获得指定地区的坐标值

3.geodist

格式
geodist [m|km|ft|mi ] 获取两个位置之间的直线距离

单位：
m 表示单位为米[默认值]。
km 表示单位为千米。
mi 表示单位为英里。
ft 表示单位为英尺。
如果用户没有显式地指定单位参数， 那么 GEODIST 默认使用米作为单位

4.georadius
格式
georadius< longitude>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
经度 纬度 距离 单位

案例演示

1.存储各个城市的经度纬度

127.0.0.1:6379> pfcount count:twodays count:day01 count:day02
(integer) 5
127.0.0.1:6379> geoadd china:city 121.47 31.23 shanghai
(integer) 1
127.0.0.1:6379> geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
(integer) 3
127.0.0.1:6379> 
1
2
3
4
5
6
7

2.取出某个城市的经纬度

127.0.0.1:6379> geopos china:city shanghai
1) 1) "121.47000163793563843"
   2) "31.22999903975783553"
127.0.0.1:6379> 
1
2
3
4

3.计算两个城市之间的直线距离

127.0.0.1:6379> geodist china:city shanghai beijing km
"1068.1535"
1
2

4.以给定的经纬度为中心，找出某一半径内的城市

127.0.0.1:6379> georadius china:city 110 30 1000 km
1) "chongqing"
2) "shenzhen"
1
2
3