03 redis新类型bitmap/hyperloglgo/GEO

亿级系统中常见的四种统计

聚合统计

• 统计多个集合元素的聚合结果，就是前面讲解过的交差并等集合统计
• 交并差集和聚合函数的应用

排序统计

• 抖音视频最新评论留言的场景，请你设计一个展现列表。考察你的数据结构和设计思路
• 设计案例和回答思路
• 以抖音vcr最新的留言评价为案例，所有评论需要两个功能，按照时间排序+分页显示

list

• 每个商品评价对应一个List集合，这个List包含了对这个商品的所有评论，而且会按照评论时间保存这些评论
• 每来一个新评论就用LPUSH命令把它插入List的队头。但是，如果在演示第二页前，又产生了一个新评论，第2页的评论不一样了。
• 原因：List是通过元素在List中的位置来排序的，当有一个新元素插入时，原先的元素在List中的位置都后移了一位，原来在第1位的元素现在排在了第2位，当LRANGE读取时，就会读到旧元素。
  

Zset

在⾯对需要展示最新列表、排行榜等场景时，如果数据更新频繁或者需要分页显示，建议使⽤ZSet

二值统计

• 集合元素的取值就只有0和1两种。在钉钉上班签到打卡的场景中，我们只用记录有签到(1)或没签到(0)
• 见bitmap

基数统计

bitmap

是什么

• 说明：用String类型作为底层数据结构实现的一种统计二值状态的数据类型
• 位图本质是数组，它是基于String数据类型的按位的操作。该数组由多个二进制位组成，每个二进制位都对应一个偏移量(我们可以称之为一个索引或者位格)。Bitmap支持的最大位数是2³²位，它可以极大的节约存储空间，使用512M内存就可以存储多大42.9亿的字节信息(2³² = 4294967296)
• 由0和1状态表现的二进制位的bit数组

能干嘛

• 用户是否登陆过Y、N，比如京东每日签到送京豆
• 电影、广告是否被点击播放过
• 钉钉打卡上下班，签到统计

大厂真实案例

• 日活统计
• 连续签到打卡
• 最近一周的活跃用户
• 统计指定用户一年之中的登陆天数
• 某用户按照一年365天，哪几天登陆过？哪几天没有登陆？全年中登录的天数共计多少？

京东签到领取京豆

• 签到日历仅展示当月签到数据
• 签到日历需展示最近连续签到天数
• 假设当前日期是20210618，且20210616未签到
• 若20210617已签到且0618未签到，则连续签到天数为1
• 若20210617已签到且0618已签到，则连续签到天数为2
• 连续签到天数越多，奖励越大
• 所有用户均可签到
• 截至2020年3月31日的12个月，京东年度活跃用户数3.87亿，同比增长24.8%，环比增长超2500万，此外，2020年3月移动端日均活跃用户数同比增长46%假设10%左右的用户参与签到，签到用户也高达3千万

小厂方法，传统mysql方式

CREATE TABLE user_sign
(
  keyid BIGINT NOT NULL PRIMARY KEY AUTO_INCREMENT,
  user_key VARCHAR(200),#京东用户ID
  sign_date DATETIME,#签到日期(20210618)
  sign_count INT #连续签到天数
)
 
INSERT INTO user_sign(user_key,sign_date,sign_count)
VALUES ('20210618-xxxx-xxxx-xxxx-xxxxxxxxxxxx','2020-06-18 15:11:12',1);
 
SELECT
    sign_count
FROM
    user_sign
WHERE
    user_key = '20210618-xxxx-xxxx-xxxx-xxxxxxxxxxxx'
    AND sign_date BETWEEN '2020-06-17 00:00:00' AND '2020-06-18 23:59:59'
ORDER BY
    sign_date DESC
    LIMIT 1;

• 困难和解决思路
  • 方法正确但是难以落地实现
  • 签到用户量较小时这么设计能行，但京东这个体量的用户（估算3000W签到用户，一天一条数据，一个月就是9亿数据）
  • 对于京东这样的体量，如果一条签到记录对应着当日用记录，那会很恐怖…
• 如何解决这个痛点？
  • 一条签到记录对应一条记录，会占据越来越大的空间。
  • 一个月最多31天，刚好我们的int类型是32位，那这样一个int类型就可以搞定一个月，32位大于31天，当天来了位是1没来就是0。
  • 一条数据直接存储一个月的签到记录，不再是存储一天的签到记录。

大厂方法，基于Redis的Bitmaps实现签到日历

• 建表-按位-redis bitmap
• 在签到统计时，每个用户一天的签到用1个bit位就能表示，一个月（假设是31天）的签到情况用31个bit位就可以，一年的签到也只需要用365个bit位，根本不用太复杂的集合类型

基本命令

• setbit

  • setbit key offset value
  • setbit 键 偏移位 只能零或者1
  • Bitmap的偏移量是从零开始算的

• getbit

  • getbit key offset

• setbit和getbit案例说明

  • 按照天
  • 
  • 按照年
    • 按年去存储一个用户的签到情况，365 天只需要 365 / 8 ≈ 46 Byte，1000W 用户量一年也只需要 44 MB 就足够了。
    • 假如是亿级的系统，
      每天使用1个1亿位的Bitmap约占12MB的内存（10^8/8/1024/1024），10天的Bitmap的内存开销约为120MB，内存压力不算太高。在实际使用时，最好对Bitmap设置过期时间，让Redis自动删除不再需要的签到记录以节省内存开销。

• bitmap的底层编码说明，get命令操作如何

  • 实质是二进制的ascii编码对应
  • redis里用type命令看看bitmap实质是什么类型？？？
  • man ascii

• strlen

  • 
  • 不是字符串长度而是占据几个字节，超过8位后自己按照8位一组一byte再扩容

• bitcount

  • 全部键里面含有1的有多少个？
  • 
  • 一年365天，全年天天登陆占用多少字节
  • 

hyperloglog

名词

• UV（Unique Visitor）：独立访客，一般理解为客户端IP，需要去重考虑
• PV（需要去重考虑）：页面浏览量，不用去重
• DAU（Daily Active User）
  • 日活跃用户量：登录或者使用了某个产品的用户数(去重复登录的用户)
  • 常用于反映网站、互联网应用或者网络游戏的运营情况
• MAU（MonthIy Active User）：月活跃用户量

看需求

• 统计某个网站的UV、统计某个文章的UV
• 用户搜索网站关键词的数量
• 统计用户每天搜索不同词条个数

是什么

• 去重复统计功能的基数估计算法-就是HyperLogLog
• 
• 基数
  • 是一种数据集，去重复后的真实个数
  • 
• 基数统计：用于统计一个集合中不重复的元素个数，就是对集合去重复后剩余元素的计算

去重复统计你先会想到哪些方式？

• HashSet
• bitmap

  • bitmap是通过用位bit数组来表示各元素是否出现，每个元素对应一位，所需的总内存为N个bit。

  • 基数计数则将每一个元素对应到bit数组中的其中一位，比如bit数组010010101(按照从零开始下标，有的就是1、4、6、8)。

  • 新进入的元素只需要将已经有的bit数组和新加入的元素进行按位或计算就行。这个方式能大大减少内存占用且位操作迅速。

  • But，假设一个样本案例就是一亿个基数位值数据，一个样本就是一亿
    如果要统计1亿个数据的基数位值,大约需要内存100000000/8/1024/1024约等于12M,内存减少占用的效果显著。

  • 这样得到统计一个对象样本的基数值需要12M。

  • 如果统计10000个对象样本(1w个亿级),就需要117.1875G将近120G，可见使用bitmaps还是不适用大数据量下(亿级)的基数计数场景，

  • 但是bitmaps方法是精确计算的。

• 结论：样本元素越多内存消耗急剧增大，难以管控+各种慢，对于亿级统计不太合适，大数据害死人，o(╥﹏╥)o
• 解决方案：概率算法
  • 通过牺牲准确率来换取空间，对于不要求绝对准确率的场景下可以使用，因为概率算法不直接存储数据本身
  • 通过一定的概率统计方法预估基数值，同时保证误差在一定范围内，由于又不储存数据故此可以大大节约内存。
  • HyperLogLog就是一种概率算法的实现。

HyPerLogLog如何做的？如何演化出来的？

• 基数统计就是HyperLogLog
• 原理说明
  • 只是进行不重复的基数统计，不是集合也不保存数据，只记录数量而不是具体内容。
  • 有误差
    • 非精确统计
    • 牺牲准确率来换取空间，误差仅仅只是0.81%左右
  • 这个误差如何来的?论文地址和出处
    • http://antirez.com/news/75
    • Redis之父安蒂雷斯回答
    • 
• 经典面试题
  为什么redis集群的最大槽数是16384个？
  • Redis集群并没有使用一致性hash而是引入了哈希槽的概念。Redis 集群有16384个哈希槽，每个key通过CRC16校验后对16384取模来决定放置哪个槽，集群的每个节点负责一部分hash槽。但为什么哈希槽的数量是16384（2^14）个呢？
  • CRC16算法产生的hash值有16bit，该算法可以产生2^16=65536个值。换句话说值是分布在0~65535之间。那作者在做mod运算的时候，为什么不mod65536，而选择mod16384？
  • 
• 说明：
  • 
  • 正常的心跳数据包带有节点的完整配置，可以用幂等方式用旧的节点替换旧节点，以便更新旧的配置。这意味着它们包含原始节点的插槽配置，该节点使用2k的空间和16k的插槽，但是会使用8k的空间（使用65k的插槽）。同时，由于其他设计折衷，Redis集群不太可能扩展到1000个以上的主节点。因此16k处于正确的范围内，以确保每个主机具有足够的插槽，最多可容纳1000个矩阵，但数量足够少，可以轻松地将插槽配置作为原始位图传播。请注意，在小型群集中，位图将难以压缩，因为当N较小时，位图将设置的slot / N位占设置位的很大百分比。
  • 如果槽位为65536，发送心跳信息的消息头达8k，发送的心跳包过于庞大。在消息头中最占空间的是myslots[CLUSTER_SLOTS/8]。 当槽位为65536时，这块的大小是: 65536÷8÷1024=8kb 因为每秒钟，redis节点需要发送一定数量的ping消息作为心跳包，如果槽位为65536，这个ping消息的消息头太大了，浪费带宽。
  • redis的集群主节点数量基本不可能超过1000个。集群节点越多，心跳包的消息体内携带的数据越多。如果节点过1000个，也会导致网络拥堵。因此redis作者不建议redis cluster节点数量超过1000个。 那么，对于节点数在1000以内的redis cluster集群，16384个槽位够用了。没有必要拓展到65536个。
  • 槽位越小，节点少的情况下，压缩比高，容易传输。Redis主节点的配置信息中它所负责的哈希槽是通过一张bitmap的形式来保存的，在传输过程中会对bitmap进行压缩，但是如果bitmap的填充率slots / N很高的话(N表示节点数)，bitmap的压缩率就很低。 如果节点数很少，而哈希槽数量很多的话，bitmap的压缩率就很低。

基本命令

案例实战:天猫网站首页亿级UV的Redis统计方案

需求

• UV的统计需要去重，一个用户一天内的多次访问只能算作一次
• 淘宝、天猫首页的UV，平均每天是1~1.5个亿左右
• 每天存1.5个亿的IP，访问者来了后先去查是否存在，不存在加入

方案讨论

• 用redis的hash结构存储
  • 
  • redis——hash = >
  • 按照ipv4的结构来说明，每个ipv4的地址最多是15个字节(ip = “192.168.111.1”，最多xxx.xxx.xxx.xxx)
  • 某一天的1.5亿 * 15个字节= 2G，一个月60G，redis死定了。o(╥﹏╥)o
• hyperloglog
  • 

代码实现

HyperLogLogController

package com.learn.controller;

import io.swagger.annotations.Api;
import io.swagger.annotations.ApiOperation;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

import javax.annotation.Resource;

/**
 * @author YSK
 * @since 2023/5/30 18:01
 */
@RestController
@Slf4j
@Api(description = "案例实战总03:天猫网站首页亿级UV的Redis统计方案")
public class HyperLogLogController {
    @Resource
    private RedisTemplate redisTemplate;

    @ApiOperation("获得ip去重复后的首页访问量，总数统计")
    @GetMapping(value = "/uv")
    public long uv()
    {
        //pfcount
        return redisTemplate.opsForHyperLogLog().size("hll");
    }
}

HyperLogLogService

package com.learn.service;

import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.PostConstruct;
import javax.annotation.Resource;
import java.util.Random;
import java.util.concurrent.TimeUnit;

/**
 * @author YSK
 * @since 2023/5/30 18:02
 */
@Service
@Slf4j
public class HyperLogLogService {
    @Resource
    private RedisTemplate redisTemplate;

    /**
     * 模拟有用户来点击首页，每个用户就是不同的ip，不重复记录，重复不记录
     */
    @PostConstruct
    public void init()
    {
        log.info("------模拟后台有用户点击，每个用户ip不同");
        //自己启动线程模拟，实际上产不是线程
        new Thread(() -> {
            String ip = null;
            for (int i = 1; i <=200; i++) {
                Random random = new Random();
                ip = random.nextInt(255)+"."+random.nextInt(255)+"."+random.nextInt(255)+"."+random.nextInt(255);

                Long hll = redisTemplate.opsForHyperLogLog().add("hll", ip);
                log.info("ip={},该ip访问过的次数={}",ip,hll);
                //暂停3秒钟线程
                try { TimeUnit.SECONDS.sleep(3); } catch (InterruptedException e) { e.printStackTrace(); }
            }
        },"t1").start();
    }
}

GEO

简介

• 移动互联网时代LBS应用越来越多，交友软件中附近的小姐姐、外卖软件中附近的美食店铺、打车软件附近的车辆等等，那这种附近各种形形色色的XXX地址位置选择是如何实现的？

• 地球上的地理位置是使用二维的经纬度表示，经度范围 (-180, 180]，纬度范围 (-90, 90]，只要我们确定一个点的经纬度就可以名曲他在地球的位置。

• 例如滴滴打车，最直观的操作就是实时记录更新各个车的位置，然后当我们要找车时，在数据库中查找距离我们(坐标x0,y0)附近r公里范围内部的车辆

• 使用如下SQL即可：

  select taxi from position where x0-r < x < x0 + r and y0-r < y < y0+r
  

• 但是这样会有什么问题呢？

  • 查询性能问题，如果并发高，数据量大这种查询是要搞垮数据库的
  • 这个查询的是一个矩形访问，而不是以我为中心r公里为半径的圆形访问。
  • 精准度的问题，我们知道地球不是平面坐标系，而是一个圆球，这种矩形计算在长距离计算时会有很大误差

• Redis在3.2版本以后增加了地理位置的处理

原理

• 主要分为三步
  • 将三维的地球变为二维的坐标
  • 在将二维的坐标转换为一维的点块
  • 最后将一维的点块转换为二进制再通过base32编码
• 难点：GeoHash核心原理解析

命令

• GEOADD：多个经度(longitude)、纬度(latitude)、位置名称(member)添加到指定的 key 中
• GEOPOS：从键里面返回所有给定位置元素的位置（经度和纬度）
• GEODIST：返回两个给定位置之间的距离。
• GEORADIUS：以给定的经纬度为中心， 返回与中心的距离不超过给定最大距离的所有位置元素。
• GEORADIUSBYMEMBER：跟GEORADIUS类似
• GEOHASH：返回一个或多个位置元素的 Geohash 表示

命令实操

• GEOADD添加经纬度坐标
  • 
  • 
  • 命令如下：GEOADD city 116.403963 39.915119 “天安门” 116.403414 39.924091 “故宫” 116.024067 40.362639 “长城”
  • 中文乱码如何处理
  • 
• GEOPOS返回经纬度
  • 
  • 
• GEOHASH返回坐标的geohash表示
  • 
  • 
• GEODIST 两个位置之间距离
  • 
  • 
  • 后面参数是距离单位：
    m 米
    km 千米
    ft 英尺
    mi 英里
• GEORADIUS：以半径为中心，查找附近的XXX
  • georadius 以给定的经纬度为中心， 返回键包含的位置元素当中， 与中心的距离不超过给定最大距离的所有位置元素。
  • GEORADIUS city 116.418017 39.914402 10 km withdist withcoord count 10 withhash desc
    • WITHDIST: 在返回位置元素的同时， 将位置元素与中心之间的距离也一并返回。 距离的单位和用户给定的范围单位保持一致。
    • WITHCOORD: 将位置元素的经度和维度也一并返回。
    • WITHHASH: 以 52 位有符号整数的形式， 返回位置元素经过原始 geohash 编码的有序集合分值。 这个选项主要用于底层应用或者调试， 实际中的作用并不大COUNT 限定返回的记录数。

案例实战：美团地图位置附近的酒店推送

需求分析

• 微信附近的人或者一公里以内的各种营业厅、加油站、理发店、超市…
• 找个单车
• 附近的酒店

架构设计

• Redis的新类型GEO

package com.learn.controller;

import io.swagger.annotations.ApiOperation;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.geo.*;
import org.springframework.data.redis.connection.RedisGeoCommands;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestMethod;
import org.springframework.web.bind.annotation.RestController;

import java.util.HashMap;
import java.util.List;
import java.util.Map;

/**
 * @author YSK
 * @since 2023/5/31 11:18
 */
@RestController
@Slf4j
public class GeoController {
    public  static final String CITY ="city";

    @Autowired
    private RedisTemplate redisTemplate;

    @ApiOperation("新增天安门故宫长城经纬度")
    @RequestMapping(value = "/geoadd",method = RequestMethod.POST)
    public String geoAdd()
    {
        Map<String, Point> map= new HashMap<>();
        map.put("天安门",new Point(116.403963,39.915119));
        map.put("故宫",new Point(116.403414 ,39.924091));
        map.put("长城" ,new Point(116.024067,40.362639));

        redisTemplate.opsForGeo().add(CITY,map);

        return map.toString();
    }

    @ApiOperation("获取地理位置的坐标")
    @RequestMapping(value = "/geopos",method = RequestMethod.GET)
    public Point position(String member) {
        //获取经纬度坐标
        List<Point> list= this.redisTemplate.opsForGeo().position(CITY,member);
        return list.get(0);
    }

    @ApiOperation("geohash算法生成的base32编码值")
    @RequestMapping(value = "/geohash",method = RequestMethod.GET)
    public String hash(String member) {
        //geohash算法生成的base32编码值
        List<String> list= this.redisTemplate.opsForGeo().hash(CITY,member);
        return list.get(0);
    }

    @ApiOperation("计算两个位置之间的距离")
    @RequestMapping(value = "/geodist",method = RequestMethod.GET)
    public Distance distance(String member1, String member2) {
        Distance distance= this.redisTemplate.opsForGeo().distance(CITY,member1,member2, RedisGeoCommands.DistanceUnit.KILOMETERS);
        return distance;
    }

    /**
     * 通过经度，纬度查找附近的
     * 北京王府井位置116.418017,39.914402,这里为了方便讲课，故意写死
     */
    @ApiOperation("通过经度，纬度查找附近的")
    @RequestMapping(value = "/georadius",method = RequestMethod.GET)
    public GeoResults radiusByxy() {
        //这个坐标是北京王府井位置
        Circle circle = new Circle(116.418017, 39.914402, Metrics.MILES.getMultiplier());
        //返回50条
        RedisGeoCommands.GeoRadiusCommandArgs args = RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs().includeDistance().includeCoordinates().sortAscending().limit(10);
        GeoResults<RedisGeoCommands.GeoLocation<String>> geoResults= this.redisTemplate.opsForGeo().radius(CITY,circle, args);
        return geoResults;
    }

    /**
     * 通过地方查找附近
     */
    @ApiOperation("通过地方查找附近")
    @RequestMapping(value = "/georadiusByMember",method = RequestMethod.GET)
    public GeoResults radiusByMember() {
        String member="天安门";
        //返回50条
        RedisGeoCommands.GeoRadiusCommandArgs args = RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs().includeDistance().includeCoordinates().sortAscending().limit(10);
        //半径10公里内
        Distance distance=new Distance(10, Metrics.KILOMETERS);
        GeoResults<RedisGeoCommands.GeoLocation<String>> geoResults= this.redisTemplate.opsForGeo().radius(CITY,member, distance,args);
        return geoResults;
    }
}