6.Redis新数据类型

文章介绍了Redis的三种特殊数据类型:Bitmaps用于高效位操作,适用于大量布尔值存储;HyperLogLog是用于基数统计的算法,能在有限空间内估算大规模数据的不重复元素数量;Geospatial类型支持地理位置信息,提供经纬度相关的查询和操作。这些数据类型在特定场景下提供了优化的解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

6.Redis新数据类型

6.1 Bitmaps

6.1.1 简介

​ 现在计算机用二进制(位)作为信息的基础单位,1个字节等于8位,例如“abc”字符串由三个字节组成,但实际在计算机存储时将其用二进制表示,“abc”分别对应的ASCLL码分别是97,98,99,对应的二进制分别是01100001、01100010和01100011,如下图
在这里插入图片描述
​ 合理的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)本身不是一种数据类型,实际上他就是字符串(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,所以再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。
在这里插入图片描述

6.1.2 命令
1.setbit

​ (1)设置Bitmaps中某个偏移量的值(0或者1)

​ setbit key offset value

​ offset:偏移量从0开始

​ (2)实例

​ 每个独立用户是否访问过网站放在Bitmaps中,将访问的用户记做1,没有访问过的用户记作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),假如现在有20个用户,userid=1,6,11,15,19的用户对网站进行访问,那么当前Bitmaps初始化结果如图。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JhVIINZr-1688358721287)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20230414192728212.png)]
​ 注意:

​ 很多应用的用户id以一个指定的数字(例如10000)开头,直接将用户的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操作时将用户的id减去这个指定的数字。

​ 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,可能造成Redis阻塞。

2.getbit

​ (1) 获取Bitmaps中某个偏移量的值

​ getbit key offset

​ 注意:如果偏移量不存在,也返回0

3.bitcount

​ 统计字符串被设置位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或者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表示最后一位,而-2表示倒数第二位,start、end是指bit组的字节的下标数,二者皆包含。

​ (1)统计字符串从start字节到end字节bit值为1的数量。

​ bitcount key [start] [end]

​ (2)实例

​ 计算202-11-05 这天的独立访问用户数量

​ bitcount unique:2022-11-05

4.bitop

​ (1)bitop是一个复合操作,它可以将多个Bitmaps的and(交集)、or(并集)、not(非)、xor(异或)操作并将结果保存在deskey中。

​ bitop and(or/not/xor) destkey <key…>
在这里插入图片描述

6.1.3 Bitmap 与 set对比

​ 假如网站有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的到表:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YF4jJywH-1688358721288)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20230416212357227.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Q29B2U2n-1688358721288)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20230416212520706.png)]

​ 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就不合适了,因为基本上大部分位都是0.
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2B7mEgjK-1688358721288)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20230416212941042.png)]

6.2 HyperLogLog

6.2.1 简介

​ 在工作当中,我们会经常用遇到与统计相关的功能需求,比如统计网站的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问题如何解决?求这种集合中不重复元素个数的问题成为基数问题。

​ 解决基数问题很多方案:

​ (1)数据存在Mysql表中,使用distinct count计算不重复元素的个数。

​ (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,但随着数据的不断增加,导致占用空间越来越大,对于非常大的数据集不切实际的。

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

​ RedisHyperLogLog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大时,计算基数所需要的空间总是固定的、并且时很小的。

​ 在redis里面,每个HyperLogLog键只需要花费12kb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,元素越多耗费内存越多的集合形成了鲜明的对比。

​ 但是,因为HyperLogLog只能根据输入元素来计算基数,而不会存储输入元素本身,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{1,3,5,7,5,7,9},那么这个数据集的基数为{1,3,5,7,9},基数为(不重复元素的个数)5。

6.2.2 命令
(1)添加指定元素到HyperLogLog中

pfadd key <element…>

​ 返回1表示添加成功,返回0表示添加失败(原因是基数集中已经有这个数据了)

(2)计算基数

​ pfcount key

(3) 求多个集合的交集

​ pfmerge destkey sourcekey [sourcekey…]

6.3 Geospatial

6.3.1 简介

​ Redis 3.2中增加了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。

6.3.2 命令
1.添加地理位置(精度、纬度、名称)

​ geoadd key longitude latitude member

2.获取指定地区的坐标值

​ geopos key member

3.获取两位置之间的直线距离

​ geodist key member1 member2 [m|km|ft|mi]

4.以给定的经纬度为中心,找出某一半径内的元素

​ georadius key longitude latitude radius m|km|ft|mi

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值