(Redis):高级数据类型

目录

高级数据类型

Bitmaps

Bitmaps类型的基础操作

业务场景【redis 应用于信息状态统计】

Bitmaps类型的扩展操作

HyperLogLog

HyperLogLog类型的基本操作【redis 应用于独立信息统计】

GEO

GEO类型的基本操作【redis 应用于地理位置计算】

高级数据类型

Bitmaps

【存储需求】

(Redis):高级数据类型_第1张图片

Bitmaps类型的基础操作

  • 获取指定key对应偏移量上的bit值
getbit key offset
  • 设置指定key对应偏移量上的bit值,value只能是1或0
setbit key offset value

【示例】

(Redis):高级数据类型_第2张图片

业务场景【redis 应用于信息状态统计

  • 电影网站
    • 统计每天某一部电影是否被点播
    • 统计每天有多少部电影被点播
    • 统计每周/月/年有多少部电影被点播
    • 统计年度哪部电影没有被点播
  • 分析:

(Redis):高级数据类型_第3张图片

Bitmaps类型的扩展操作

  • 对指定key按位进行交、并、非、异或操作,并将结果保存到destKey中
bitop op destKey key1 [key2...]
  • and:交
  • or:并
  • not:非
  • xor:异或
  • 统计指定key中1的数量
bitcount key [start end]

【示例】

(Redis):高级数据类型_第4张图片

HyperLogLog

  • 统计独立UV
    • 原始方案:set
      • 存储每个用户的id(字符串)
    • 改进方案:Bitmaps
      • 存储每个用户状态(bit)
    • 全新的方案:Hyperloglog

【基数】

  • 基数是数据集去重后元素个数
  • HyperLogLog 是用来做基数统计的,运用了LogLog的算法

 

  • LogLog算法

(Redis):高级数据类型_第5张图片

HyperLogLog类型的基本操作【redis 应用于独立信息统计

  • 添加数据
pfadd key element [element ...]
  • 统计数据
pfcount key [key ...]
  • 合并数据
pfmerge destkey sourcekey [sourcekey...]

【示例】

(Redis):高级数据类型_第6张图片

【相关说明】
  • 用于进行基数统计,不是集合,不保存数据,只记录数量而不是具体数据
  • 核心是基数估算算法,最终数值存在一定误差
  • 误差范围:基数估计的结果是一个带有 0.81% 标准错误的近似值
  • 耗空间极小,每个hyperloglog key占用了12K的内存用于标记基数
  • pfadd命令不是一次性分配12K内存使用,会随着基数的增加内存逐渐增大
  • Pfmerge命令合并后占用的存储空间为12K,无论合并之前数据量多少

GEO

(Redis):高级数据类型_第7张图片

GEO类型的基本操作【redis 应用于地理位置计算

  • 添加坐标点
geoadd key longitude latitude member [longitude latitude member ...]
  • 获取坐标点
geopos key member [member ...]
  • 计算坐标点距离
geodist key member1 member2 [unit]

 

georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]

 

georadiusbymember key member radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]

 

geohash key member [member ...]

【示例1】

(Redis):高级数据类型_第8张图片

【示例2】

(Redis):高级数据类型_第9张图片

(Redis):高级数据类型_第10张图片

  • 【注】:参考黑马Redis教程:https://www.bilibili.com/video/BV1AE411j7Wq?t=5

你可能感兴趣的:(#,Redis入门)