04 Redis新資料型別
Redis新資料型別
一、Bitmaps
1.1 簡介
現代計算機用二進位制（位） 作為資訊的基礎單位， 1個位元組等於8位， 例如“abc”字串是由3個位元組組成， 但實際在計算機儲存時將其用二進位制表示， “abc”分別對應的ASCII碼分別是97、 98、 99， 對應的二進位制分別是01100001、 01100010和01100011，
合理地使用操作位能夠有效地提高記憶體使用率和開發效率。
Redis提供了Bitmaps這個“資料型別”可以實現對位的操作：
（1）Bitmaps本身不是一種資料型別， 實際上它就是字串（key-value） ， 但是它可以對字串的位進行操作。
（2）Bitmaps單獨提供了一套命令， 所以在Redis中使用Bitmaps和使用字串的方法不太相同。 可以把Bitmaps想象成一個以位為單位的陣列， 陣列的每個單元只能儲存0和1， 陣列的下標在Bitmaps中叫做偏移量。
1.2 命令
1、setbit
（1）格式
setbit<key><offset><value>設定Bitmaps中某個偏移量的值（0或1）
offset:偏移量從0開始
（2）例項
每個獨立使用者是否訪問過網站存放在Bitmaps中， 將訪問的使用者記做1， 沒有訪問的使用者記做0， 用偏移量作為使用者的id。
設定鍵的第offset個位的值（從0算起） ， 假設現在有20個使用者，userid=1， 6， 11， 15， 19的使用者對網站進行了訪問， 那麼當前Bitmaps初始化結果如圖
注：
很多應用的使用者id以一個指定數字（例如10000） 開頭， 直接將使用者id和Bitmaps的偏移量對應勢必會造成一定的浪費， 通常的做法是每次做setbit操作時將使用者id減去這個指定數字。
在第一次初始化Bitmaps時， 假如偏移量非常大， 那麼整個初始化過程執行會比較慢， 可能會造成Redis的阻塞。
2、getbit
（1）格式
getbit<key><offset>獲取Bitmaps中某個偏移量的值
獲取鍵的第offset位的值（從0開始算）
（2）例項
獲取id=8的使用者是否在2020-11-06這天訪問過， 返回0說明沒有訪問過：
3、bitcount
統計字串被設定為1的bit數。一般情況下，給定的整個字串都會被進行計數，通過指定額外的 start 或 end 引數，可以讓計數只在特定的位上進行。start 和 end 引數的設定，都可以使用負數值：比如 -1 表示最後一個位，而 -2 表示倒數第二個位，start、end 是指bit組的位元組的下標數，二者皆包含。
舉例： K1 【01000001 01000000 00000000 00100001】，對應【0，1，2，3】
bitcount K1 1 2 ： 統計下標1、2位元組組中bit=1的個數，即01000000 00000000
--》bitcount K1 1 2 --》1
bitcount K1 1 3 ： 統計下標1、2位元組組中bit=1的個數，即01000000 00000000 00100001
--》bitcount K1 1 3 --》3
bitcount K0 -2 ：統計下標到下標倒數第，位元組組中的個數，即01000001 01000000 00000000
--》bitcount K1 0 -2 --》3
注意：redis的setbit設定或清除的是bit位置，而bitcount計算的是byte位置。
4、bitop
(1)格式
bitop and(or/not/xor) <destkey> [key…]
bitop是一個複合操作， 它可以做多個Bitmaps的and（交集） 、 or（並集） 、 not（非） 、 xor（異或） 操作並將結果儲存在destkey中
Bitmaps與set對比
二、HyperLogLog
2.1 簡介
在工作當中，我們經常會遇到與統計相關的功能需求，比如統計網站PV（PageView頁面訪問量）,可以使用Redis的incr、incrby輕鬆實現。
但像UV（UniqueVisitor，獨立訪客）、獨立IP數、搜尋記錄數等需要去重和計數的問題如何解決？這種求集合中不重複元素個數的問題稱為基數問題。
解決基數問題有很多種方案：
（1）資料儲存在MySQL表中，使用distinct count計算不重複個數
（2）使用Redis提供的hash、set、bitmaps等資料結構來處理
以上的方案結果精確，但隨著資料不斷增加，導致佔用空間越來越大，對於非常大的資料集是不切實際的。
能否能夠降低一定的精度來平衡儲存空間？Redis推出了HyperLogLog
Redis HyperLogLog 是用來做基數統計的演算法，HyperLogLog 的優點是，在輸入元素的數量或者體積非常非常大時，計算基數所需的空間總是固定的、並且是很小的。
在 Redis 裡面，每個 HyperLogLog 鍵只需要花費 12 KB 記憶體，就可以計算接近 2^64 個不同元素的基數。這和計算基數時，元素越多耗費記憶體就越多的集合形成鮮明對比。
但是，因為 HyperLogLog 只會根據輸入元素來計算基數，而不會儲存輸入元素本身，所以 HyperLogLog 不能像集合那樣，返回輸入的各個元素。
什麼是基數?
比如資料集 {1, 3, 5, 7, 5, 7, 8}， 那麼這個資料集的基數集為 {1, 3, 5 ,7, 8}, 基數(不重複元素)為5。 基數估計就是在誤差可接受的範圍內，快速計算基數。
2.2 命令
1、pfadd
（1）格式
pfadd <key>< element> [element ...] 新增指定元素到 HyperLogLog 中
2、pfcount
（1）格式
pfcount<key> [key ...] 計算HLL的近似基數，可以計算多個HLL，比如用HLL儲存每天的UV，計算一週的UV可以使用7天的UV合併計算即可
3、pfmerge
（1）格式
pfmerge<destkey><sourcekey> [sourcekey ...] 將一個或多個HLL合併後的結果儲存在另一個HLL中，比如每月活躍使用者可以使用每天的活躍使用者來合併計算可得
三、Geospatial
簡介
Redis 3.2 中增加了對GEO型別的支援。GEO，Geographic，地理資訊的縮寫。該型別，就是元素的2維座標，在地圖上就是經緯度。redis基於該型別，提供了經緯度設定，查詢，範圍查詢，距離查詢，經緯度Hash等常見操作。
命令
1、geoadd
（1）格式
geoadd<key>< longitude><latitude><member> [longitude latitude member...] 新增地理位置（經度，緯度，名稱）
2、geopos
（1）格式
geopos <key><member> [member...] 獲得指定地區的座標值
3、geodist
（1）格式
geodist<key><member1><member2> [m|km|ft|mi ] 獲取兩個位置之間的直線距離
4、georadius
（1）格式
georadius<key>< longitude><latitude>radius m|km|ft|mi 以給定的經緯度為中心，找出某一半徑內的元素