一、Bitmaps
1.简介
现代计算机用二进制(位) 作为信息的基础单位, 1个字节等于8位, 例如“abc”字符串是由3个字节组成, 但实际在计算机存储时将其用二进制表示, “abc”分别对应的ASCII码分别是97、 98、 99, 对应的二进制分别是01100001、 01100010和01100011,如下图
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。
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。
2.setbit
SETBIT key offset value
*offset:偏移量从0 开始
每个独立用户是否访问过网站存放在Bitmaps中, 将访问的用户记做1 , 没有访问的用户记做0 , 用偏移量作为用户的id。
设置键的第offset个位的值(从0 算起) , 假设现在有20 个用户,userid=1 , 6 , 11 , 15 , 19 的用户对网站进行了访问, 那么当前Bitmaps初始化结果如图
unique: users: 20211106 代表2021 -11 -06 这天的独立访问用户的Bitmaps
127.0.0.1:6379> setbit unique: users: 20211106 1 1
0
127.0.0.1:6379> setbit unique: users: 20211106 6 1
0
127.0.0.1:6379> setbit unique: users: 20211106 11 1
0
127.0.0.1:6379> setbit unique: users: 20211106 15 1
0
127.0.0.1:6379> setbit unique: users: 20211106 19 1
0
ps:
很多应用的用户id以一个指定数字(例如10000 ) 开头, 直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费, 通常的做法是每次做setbit操作时将用户id减去这个指定数字。
在第一次初始化Bitmaps时, 假如偏移量非常大, 那么整个初始化过程执行会比较慢, 可能会造成Redis的阻塞。
3.getbit
GETBIT key offset 获取键的第offset位的值(从0 开始算
获取id=8 的用户是否在2021 -11 -06 这天访问过, 返回0 说明没有访问过:
127.0.0.1:6379> getbit unique: users: 20211106 8
0
127.0.0.1:6379> getbit unique: users: 20211106 1
1
127.0.0.1:6379> getbit unique: users: 20211106 100
0
ps:因为100 根本不存在,所以也是返回0
4.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。
BITCOUNT key [start end]
127 .0 .0 .1 :6379 > BITCOUNT unique:users:20211106
5
127 .0 .0 .1 :6379 > BITCOUNT unique:users:20211106 1 3
3
bitcount K1 1 2 : 统计下标1 、2 字节组中bit=1的个数,即01000000 00000000
--》bitcount K1 1 2 --》1
bitcount K1 1 3 : 统计下标1 、2 字节组中bit=1的个数,即01000000 00000000 00100001
--》bitcount K1 1 3 --》3
bitcount K1 0 -2 : 统计下标0 到下标倒数第2 ,字节组中bit=1的个数,即01000001 01000000 00000000
--》bitcount K1 0 -2 --》3
注意:redis的setbit设置或清除的是bit位置,而bitcount计算的是byte位置。
5.bitop
BITOP operation destkey key [key ...]
2021 -12 -04 日访问网站的userid=1 ,2 ,5 ,9 。
127.0.0.1:6379> setbit unique: users: 20201104 1 1
127.0.0.1:6379> BITCOUNT unique: users: 20201104 2 1
127.0.0.1:6379> BITCOUNT unique: users: 20201104 5 1
127.0.0.1:6379> BITCOUNT unique: users: 20201104 9 1
2021 -12 -03 日访问网站的userid=0 ,1 ,4 ,9 。
127.0.0.1:6379> setbit unique: users: 20201103 0 1
127.0.0.1:6379> setbit unique: users: 20201103 1 1
127.0.0.1:6379> setbit unique: users: 20201103 4 1
127.0.0.1:6379> setbit unique: users: 20201103 9 1
计算出两天都访问过网站的用户数量
127.0.0.1:6379> BITOP and unique: users: and: 20201104_03 unique: users: 20201103 unique: users: 20201104
2
计算出任意一天都访问过网站的用户数量(例如月活跃就是类似这种) , 可以使用or求并集
127 .0 .0 .1 :6379 > BITOP or unique:users:or:20201104_03 unique:users:20201103 unique:users:20201104
2
6.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.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。
2.pfadd
pfadd key element [element ...]
127.0.0.1:6379> pfadd hll1 "redis"
1
127.0.0.1:6379> pfadd hll1 "mysql"
1
127.0.0.1:6379> pfadd hll1 "redis"
0
ps: 将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HLL估计的近似基数发生变化,则返回1 ,否则返回0 。
3.pfcount
PFCOUNT key [key ...]
127.0.0.1:6379> pfadd hll2 "redis"
1
127.0.0.1:6379> pfadd hll2 "mongodb"
1
127.0.0.1:6379> pfadd hll2 "mariadb"
1
127.0.0.1:6379> pfcount hll1 hll2
4
4.pfmerge
pfmerge destkey sourcekey [sourcekey ...]
127.0.0.1:6379> pfcount hll1 hll2
4
127.0.0.1:6379> PFMERGE hll3 hll1 hll2
OK
127.0.0.1:6379> PFCOUNT hll3
4
三、Geospatial
1.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。
2.geoadd
#1 .geoadd 添加地理位置(经度,纬度,名称)
geoadd key [NX|XX] [CH] longitude latitude member [longitude latitude member ...]
#2 .示例
127.0 .0 .1 :6379 > geoadd china :city 121.47 31.23 shanghai
1
127.0 .0 .1 :6379 > geoadd china :city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
3
ps :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。
3.geopos
geopos key member [member ...]
127.0.0.1:6379> geopos china: city shanghai
121.47000163793563843
31.22999903975783553
4.geodist
#1 .geodist 获取两个位置之间的直线距离
geodist key member1 member2 [m|km|ft|mi]
#2 .示例
127.0 .0 .1 :6379 > geodist china :city beijing shanghai km
1068.1535
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
5.georadius
georadius key longitude latitude radius m|km|ft |mi
127.0 .0.1 :6379 > georadius china:city 110 30 1000 km
chongqing
shenzhen
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 微软正式发布.NET 10 Preview 1:开启下一代开发框架新篇章
· DeepSeek R1 简明指南:架构、训练、本地部署及硬件要求
· 没有源码,如何修改代码逻辑?
· NetPad:一个.NET开源、跨平台的C#编辑器
· 面试官:你是如何进行SQL调优的?