Redis深入应用-数据类型，分布式锁，位图，HyperLogLog，布隆过滤器，地理位置索引

Redis比memcache的应用场景广泛，比RabbitMQ和kafka使用简单，可以作为消息队列使用但又不是专业的消息队列，不适合处理高可靠性的的消息队列

1. 数据类型
   sting：可以存储json串，操作：rpush，lpush，rpop，lpop
   list：列表，队列
   hash：字典，操作hset，hget
   set：集合，有去重功能，用来存储在某活动中中奖用户的ID，操作：sadd，spop，scard
   zset：有序列表，跳跃列表，最下面一层的所有元素都串起来
2. 分布式锁
   首先介绍原子操作：原子操作是指不会被现成调度机制打断的操作。这种操作一旦开始，就会一直运行到结束，中间不会有任何现成切换。这个时候就要使用分布式锁来限制程序的并发执行。
   死锁：
   set-------setnx------过期（死锁）-------expire
   解决办法：
   set------setnx && expire-----do something
   这样即使中间卡住了，到期时间到了，锁也会打开
   可重入性：
   可重入性就是在线程持有锁的情况下再次请求加锁。同一个线程可以再次加锁，不建议用可重入性锁，增加了客户端的复杂性
3. 延时队列
   问题，队列空了还去读，消耗CPU，可以用sleep解决，最好办法用blpop，brpop代替lpop/rpop
   Redisde zrem方法是多线程多进程争抢任务的关键，它的返回值决定了当前实例有没有抢到任务，因为loop方法可能会被多个线程多个进程调用。
4. 位图
   位图的最小单位是bit，可以用get和set设置整个位图的内容，最多只能处理64个连续的位，如果超过64位，就要使用多个子指令。
   指令：bitfield w set u4 0 #从第一个位开始取 4个位，结果时无符号数（u）
   bitfield w get u4 0 #从第一位开始取4个位，结果是无符号数
5. HyperLogLog
   用最少的存储空间解决Uv问题，如果按照正常来算，统计Uv需要记录每个进入的用户uid，如果uid每个uid都记录下来，存储量是巨大的，数据插入时检索uid也是耗时的，那么引用了HyperLogLog，其原理采用了稀疏矩阵和稠密矩阵，以及概率论，但是有一定概率的偏差。
   指令：pfadd，pfcount，pfmerge
6. 布隆过滤器Bloom Filter
   HyperLogLog能够统计Uv，但是针对某个uid是查找不到的
   布隆过滤器不仅能够去重，还能记录下uid，形成一个用户印象，对于给用户推送新闻方面有很大帮助
   指令：
   bf.add codehole user1
   bf.add codehole user2
   bf.add codehole user3
   bf.exists codehole user1
   bf.exists codehole user2
   已经存在的用户不会造成误判，不存在的用户会造成误判
7. 地理位置索引--GeoHash
   GeoHash可以为每个GPS信息进行位置编码，编码到一维空间，采用切蛋糕方法进行编码，过程很简单，大家有时间可以找找看，
   通过这个编码找到附近的位置很容易
   指令：
   geoadd company 116.48105 39.996794 juejin
   geoadd company 116.58105 39.996778 ireader
   geoadd company 116.48133 39.996780 baidu
   geoadd company 116.48122 39.996788 xiaomi
   测量距离：
   geodist company juejin iReader km
   "10.42"

附近的公司
georadiusbymember company ireader 20 km count 3 asc

以上指令作为参考，输出数字只作为例子。