redis三种新的数据结构

redis 新数据类型

bitmaps

操作Ascii码的数据类型，能够有效的提高内存使用效率和开发效率
setbit：设置初始值
gebit：取值
bitcount： 统计数据被设置为1饿数量

bitmaps和set数据的对比：

很明显，这种情况使用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

但是bitmaps并不是万金油，假如该网站每天的独立访问用户很少，假如只有10w(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，因为基本上大部分都是0.

HyperLogLog

应用场景
HyperLogLog可用于解决与统计相关的功能需求，比如统计网站的页面访问量，虽然可以使用Redis的incr、incrby轻松实现。但像 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:
    	数据存储在MySQL 表中，使用distinct count计算不重复个数
		使用Redis 提供的 hash、setbitmaps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。Redis推出了HyperLogLog，这种数据结构能够降低一定的精度来平衡存储空间。

数据存储在MySQL 表中，使用distinct count计算不重复个数
使用Redis 提供的 hash、setbitmaps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。
Redis推出了HyperLogLog，这种数据结构能够降低一定的精度来平衡存储空间。

优点
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。这也是其占用内存少的原因。

用来做基数统计的算法，优点是在输入的元素的数量或者体积非常大时，计算基数所需的空间总是固定的，并且是很小的。在redis中，每个HyperLogLog健只需要占用12kb的内存。

常用的命令

1.pfadd：将元素添加到指定的HyperLogLog数据结构中，如果执行命令后words估计的近似基数发生变化，咋返回1，否则返回0

2.pfcount:计算words的近似基数

3.pfmerge：将一个或多个hyperloglog数据结构合并后的结果放到另一个hyperloglog中。

3.GeoSpatial

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。

常用命令

1.geoadd：添加位置信息

2.geopos：获取指定地址的坐标值

3.geodist：获取两个位置之间的直线距离

​ 可选参数：

• 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

以给定的经纬度为中心，找出某一半径内的元素

longitude：经度 latitude：纬度 radius：半径 可选参数：单位