redis新数据类型

Bitmaps

简介

现代计算机用二进制（位）作为信息的基础单位，1个字节等位8位，例如“big”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，“big”分别对应的ASCII码分别是98、105、103，
对应的二进制分别是01100010、01101001和01100111，如下图：

image.png

许多开发语言都提供了操作位功能，合理地使用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“数据结构”，可以实现对位的操作。把数据结构加上引号主要因为：

1. Bitmaps本身不是一种数据结构，实际上它就是字符串，，但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一样；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。

命令

• setbit设置Bitmaps中某个偏移量的值（0或1），*offset偏移量从0开始。
• getbit获取Bitmaps中某个偏移量的值。
• bitcount[start end]统计字符串从start字节到end字节比特值为1的数量。
• bitop and(or/not/xor) [key…]bitop是一个复合操作， 它可以做多个Bitmaps的and（交集） 、 or（并集） 、 not（非） 、 xor（异或） 操作并将结果保存在destkey中。

Bitmaps与Set对比

假设网站有1亿用户，每天独立访问的用户是5000万，如果每天用集合类型和Bitmaps分别存储活跃用户。

image.png

image.png

很容易看出，在这种情况下Bitmaps能节省很多内存空间，尤其随着时间推移比较客观。但Bitmaps并不是万能的， 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。

image.png

HyperLogLog

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推出了HyperLogLog：
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。

命令

• pfadd < element> [element ...]添加指定元素到 HyperLogLog 中
• pfcount [key ...] 计算近似基数
• pfmerge [sourcekey ...] 将一个或多个sourcekey合并后的结果存储在另一个destkey中
  参考：https://zhuanlan.zhihu.com/p/58358264

Geospatial

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。

命令

• geoadd< longitude> [longitude latitude member...] 添加地理位置（经度，纬度，名称）。
• geopos [member...] 获得指定地区的坐标值。
• geodist [m|km|ft|mi ]获取两个位置之间的直线距离。
• georadius< longitude>radius m|km|ft|mi 以给定的经纬度为中心，找出某一半径内的元素。