redis的其它模块：队列、位图、HyperLogLog、布隆过滤器、GeoHash
延时队列
实现队列的一种简单的方式：用zset，其中的score就是剩余时间。
还有一种实现简单队列的方式就是用redis中的list，可以用阻塞读命令blpop、brpop，这样在读不到数据时就会立即进入休眠状态，然后一旦有数据就会醒过来，降低延迟。如果用普通的命令rpush、lpush、lpop、rpop，取不到数据时应该手动设置休眠。注意如果一个读线程一直为空，那么redis连接就成了闲置链接，此时读会抛出异常，注意捕获异常及时重试。
stream
它是一个支持多播的可持久化消息队列。
位图
位图的本质是byte数组，是字符串，用它来存储可以大大节约空间，比如一个用户一年的签到记录，就可以用365位来表示。对于统计月活用户来说，要实现自动去重。
要实现hello这个字符串，首先要把每个字母的二进制表示出来，然后将其倒置排列成一个完整的位图，计算位置开始设置：（比如h是01101000 e是01100101，那么he就是01101000 + 01100101）需要第1/2/4、。。位设置为1
设置某位：setbit 键 1 1（把第1位设置为1）
取某位：getbit 键 1（取第一位）
整取：get 键（如果组合出来是不可打印字符，就会显示该字符的16进制）
整存：set 键 值
位图统计指令：
bitcount是用来统计指定范围内1的个数：
bitcount 键 0 2 （前3个字符中1的个数，注意是字符不是字节）
bitpos查找指定范围内第一个1或0的位置：
bitpos 键 1 2 2 （从第3个字符算起，第一个1的位置）
bitfield可以用来一次性取多位设置多位
bifield结合incrby还可以指定多位自增，自增会有溢出的情况，默认是折返（将溢出位丢掉）、还可以选择失败策略（溢出不执行）、饱和截断（超过范围停留在最大最小值）
HyperLogLog
对于这样一个问题：统计一个网站的访问用户数据，因为用户要去重所以要用set，但是如果是千万级的用户量，用set是非常浪费空间的，但是这个统计数据又不要求绝对精确，这时就可以使用hyperloglog，它有去重功能，统计标准误差只有不到1%，却可以节省大量空间，hyperloglog只需要12k的内存。
pfadd 键 值（存值）
pfcount 键（取出统计个数）
pfmerge 键 键（合并两个集合）
hyperloglog基于的统计原理是：给定一系列随机整数，记录下低位连续0位的最大长度k，通过k值可以估算出随机数的数量。该结构通过大量统计进行加权估计来保证得到一个比较精确的值。对单一的桶来说，这种估计不准确，对大量的桶并加权来说会准确。在结构中记录比较少时大多数桶的值都是0，此时就会采用稀疏存储节约空间，当多起来就会采用密集存储，也就是12k。
pfcount的复杂度是平均O1的，它会缓存计算结果，如果一个记录调用可能改变计算结果时，刷新也不会立即发生，只有调用pfcount命令时才会计算，当稀疏存储时刷新会比较快，密集存储比较慢，但另一个方面，密集存储时这个值很大，大多数记录的存入不会导致该值发生变化。
布隆过滤器
新闻推送时，不能向用户推送相同的内容，此时就要存储一个用户历史看过的记录，这个记录是非常庞大的，而需求只需要知道出现过还是没出现过就行了，此时就可以使用布隆过滤器，布隆过滤器不会误判已经出现的内容没有出现，但是有一定几率误判没有出现的内容出现了。
bf.add 键 值
bf.exists 键 值
bf.madd 键 多个值（add多个）
bf.mexists 键 多个值（判断多个）
GeoHash
如果有一条数据分别有三个字段：key、经度、维度，如何求这个key附近的key？可以用数据库sql，假定一个r用where来限定查询，如果不满意就增大r，但是数据库的性能很有限。
这时就要用GeoHash算法，这个算法首先将经度和维度映射成一个数字，类似如果切两下蛋糕就会切出4块来一样，可以把每一块命名为00/01/10/11，这个数字也可以按照某个规则还原回经度维度，原来在二维平面上靠近的点数字依然接近，块划得越细越精确，存在一定的误差。redis在进行Geo排序时将这些数字放进一个zset中，通过其排序功能就能得到附近的元素。redis的Geo命令可以添加点，计算点之间的位置，计算附近的点。