Redis的扩展数据类型
Redis的5大基本数据类型：String、List、Hash、Set和Sorted Set，它们可以满足大多数的数据存储需求，但是在面对海量数据统计时，它们的内存开销很大，而且对于一些特殊的场景，它们是无法支持的。所以Redis还提供了3种扩展数据类型，分别是Bitmap、HyperLogLog和GEO。
GEO的实现原理和使用方法
GEO是面向LBS（Location Based Server）应用的GEO数据类型。在日常生活中，附近的餐馆、打车软件上叫车都离不开基于位置信息服务的应用。LBS应用访问的数据是和人或物关联的一组经纬度信息，而且要能查询相邻的经纬度范围，GEO就非常适合应用在LBS服务的场景中。
GEO的底层结构
一般来说，在设计一个数据类型的底层结构时，我们首先需要知道，要处理的数据有什么访问特点。所以，需要先搞清楚位置信息到底是怎么被存取的。
以叫车服务为例，分析一下LBS应用中经纬度的存取特点。
- 每一辆网约车都有一个编码，网约车将自己的经纬度信息发给叫车应用；
- 用户在叫车的时候，叫车应用会根据用户的经纬度位置，查找用户的附近车辆，并进行匹配；
- 等把位置相近的用户和车辆匹配上以后，叫车应用就会根据车辆的编号，获取车辆的信息，并返给用户。
可以看到，一辆车或一个用户对应一组经纬度，并且随着车或用户的位置移动，相应的经纬度也会变化。
这种数据记录模式属于一个key对应一个value，当有很多车辆信息要保存时，就需要有一个集合来保存一系列的key和value。Hash集合类型可以快速存取一系列的key和value，正好可以用来记录一系列车辆ID和经纬度的对应关系。
同时，Hash类型的HSET操作命令，会根据key来设置相应的值，所以可以用它来快速地更新车辆变化的经纬度信息。
但问题是，对于一个LBS应用来说，除了记录经纬度信息，还需要根据用户的经纬度信息在车辆的Hash集合中进行范围查询。一旦涉及到范围查询，就意味着集合中的元素需要有序，但是Hash类型的元素是无序的，显然不能满足要求。
Sorted Set类型也支持一个key对应一个value的记录模式，其中，key就是Sorted Set中的元素，而value则是元素的权重分数，更重要的是，Sorted Set可以根据元素的权重分数排序，支持范围查询，这就能满足LBS服务中查找相邻位置的需求了。
实际上，GEO类型的底层数据结构就是用Sorted Set实现的。用Sorted Set来保存车辆的经纬度信息时，Sorted Set的元素时车辆ID，元素的权重分数时经纬度信息。
这时问题来了，Sorted Set元素的权重分数是一个浮点数，而一组经纬度包含的是经纬度的两个值，是没法直接保存为一个浮点数的。
这就要用到GEO类型中的GeoHash编码了，这个方法的基本原理就是“二分区间，区间编码”。要对一组经纬度进行GeoHash编码时，要先对经度和纬度分别编码，然后再把经纬度各自的编码组合成一个最终编码。
以下是经度和纬度单独编码的过程。
- 对于一个地理位置信息来说，它的经度范围是[-180,180]。GeoHash编码会把经度值编码成一个N位的二进制值，对经度范围[-180,180]做N次二分区操作，其中N可以自定义；
- 在进行第一次二分区时，经度范围[-180,180]会被分成两个子区间：[-180,0)和[0,180]。此时，我们可以查看以下要编码的经度落在了左分区还是右分区。如果落在左分区，我们就用0表示，如果落在右分区，就用1表示，这样一来，每做完一次二分区，我们就可以得到1位编码值。
- 再对经度值所属的分区再做一次二分区，同时再次查看经度值落在了二分区后的左分区还是右分区，按照刚才的规则再做1位编码。当做完N次的二分区后，经度值就可以用一个N bit的数来表示了。
假设要编码的经度值是116.37，用5位编码值，也就是N=5。得到5位编码值，即11010。
对纬度的编码方式，和经度一样，只是纬度的范围是[-90,90]，接下来对纬度值39.86进行二分区编码，N=5，得到5位编码值10111。
当一组经纬度值都编完码后，再把它们的各自编码组合在一起，组合的规则是：最终编码值的偶数位上依次是经度的编码值，奇数位上依次是纬度的编码值，其中偶数位从0开始，奇数位从1开始。
刚刚计算的经纬度（116.37，39.86）的各自编码值是11010和10111，组合之后，得到最终编码值1110011101。
用了GeoHash编码后，原来无法用一个权重分数表示的一组经纬度（116.37，39.86）就可以用1110011101这一个值来表示，就可以保存位Sorted Set的权重分数了。
使用GeoHash编码后，我们相当于把整个地理空间划分成了一个个方格，每个方格对应了GeoHash中的一个分区。
使用GeoHash编码后，就相当于把整个地理空间划分成一个个方格，每个方格对应了GeoHash中的一个分区。
把经度区间[-180,180]做一次二分区，把纬度区间[-90,90]做一次二分区，就会得到4个分区。
- 分区一：[-180,0)和[-90,0)，编码00；
- 分区二：[-180,0)和[0,90]，编码01；
- 分区三：[0,180]和[-90,0)，编码10；
- 分区四：[0,180]和[0,90]，编码11。
这4个分区对应了4个方格，每个方格覆盖了一定范围内的经纬度值，分区越多，每个方格能覆盖到的地理空间就越小，也就越精准。我们把所有的方格的编码值映射到一维空间时，相邻方格的GeoHash编码值基本上也是接近的。
所以，使用Sorted Set范围查询得到相应编码值，在实际的地理空间上，也是相邻的方格，这就实现了LBS应用搜索附件的人或物的功能了。
有的编码值虽然在大小上接近，但是实际对应的方格却距离比较远。例如用4位来做GeoHash编码，把经度区间[-180,180]和纬度[-90,90]各分成4个分区，一共16个分区，对应了16个方格。编码值0111和1000的两个方格就离得比较远。
所以，为了避免查询不准确的问题，我们可以同时查询给定经度纬度所在的方格周围的4个方格或8个方格。
如何操作GEOO类型？
在使用GEO类型时，我们经常会用到两个命令，分别是GEOADD和GEORADIUS。
- GEOADD：用于把一组经纬度信息和相对应的一个ID记录到GEO类型集合中；
- GEORADIUS：会根据输入的经纬度位置，查找以这个经纬度为中心的一定范围内的其他元素。可以自定义这个范围。
假设车辆ID是33，经纬度位置是（116.034579，39.030452），我们可以用一个GEO集合保存所有车辆的经纬度，集合key是cars:locations。
# 保存车辆位置信息
192.168.125.128:7001>geoadd cars:locations 116.034579 39.030452 33
# 通过用户位置信息搜索车辆信息
192.168.125.128:7001>georadius cars:locations 115.054579 39.030452 10 km asc count 10如何自定义数据类型？
为了实现自定义数据类型，首先需要了解Redis的基本对象结构RedisObject，因为Redis键值对中每一个值都是用RedisObject保存的。
Redis的基本对象结构
RedisObject的内部组成包括了type、encoding、lru和refcount 4个元数据，以及1个*ptr指针。
- type：表示值的类型，涵盖了五大基本类型；
- encoding：是值的编码方式，用来表示Redis中实现各个基本类型的底层数据结构，例如SDS、压缩列表、哈希表、跳表等；
- lru：记录了这个对象最后一次被访问的时间，用于淘汰过期的键值对；
- refcount：记录了对象的引用此处；
- *ptr：是指向数据的指针。
RedisObject结构借助*ptr指针，就可以指向不同的数据类型，例如，*ptr指向一个SDS或一个调表，就表示键值对是String类型或Sorted Set类型。所以，在定义了新的数据类型后，也只要在RedisObject中设置好了新类型的type和encoding，再用*ptr指向新类型的实现就行了。
开发一个新的数据类型
开发一个名字叫做NewTypeObject的新数据类型，需要4个步骤。
