码迷,mamicode.com
首页 > 其他好文 > 详细

Redis学习五(新数据类型)

时间:2021-06-13 10:34:31      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:并且   offset   ash   方法   算法   经纬度   工作   map   设置   

1. bitmaps

1.1 简介

现代计算机用二进制(位) 作为信息的基础单位, 1个字节等于8位, 例如“abc”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, “abc”分别对应的ASCII码分别是97、 98、 99, 对应的二进制分别是01100001、 01100010和01100011,如下图:

技术图片

合理地使用操作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“数据类型”可以实现对位的操作:

(1) Bitmaps本身不是一种数据类型, 实际上它就是字符串(key-value) , 但是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相同。 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。

技术图片

1.2 常用命令

  • setbit
    • setbit设置Bitmaps中某个偏移量的值(0或1)
    • offset:偏移量从0开始
  • getbit
    • getbit获取Bitmaps中某个偏移量的值
    • 获取键的第offset位的值(从0开始算)
  • bitcount
    • 统计字符串被设置为1的bit数
    • bitcount[start end]
  • bitop
    • 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。

1.3 bitmaps与set对比

bitmaps 最大的优势在于节省内存

2. Hyperloglog

2.1 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

Redis 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。

2.2 常用命令

  • pfadd
    • pfadd < element> [element ...] 添加指定元素到 HyperLogLog 中
    • 将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后HLL估计的近似基数发生变化,则返回1,否则返回0
  • pfcount
    • pfcount [key ...] 计算HLL的近似基数,可以计算多个HLL,比如用HLL存储每天的UV,计算一周的UV可以使用7天的UV合并计算即可
  • pfmerge
    • pfmerge [sourcekey ...]将一个或多个HLL合并后的结果存储在另一个HLL中,比如每月活跃用户可以使用每天的活跃用户来合并计算可得

3. Geospatial

3.1 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。

3.2 常用命令

  • geoadd

    • geoadd< longitude> [longitude latitude member...] 添加地理位置(经度,纬度,名称)

    • 两极无法直接添加,一般会下载城市数据,直接通过 Java 程序一次性导入。

      有效的经度从 -180 度到 180 度。有效的纬度从 -85.05112878 度到 85.05112878 度。

      当坐标位置超出指定范围时,该命令将会返回一个错误。

      已经添加的数据,是无法再次往里面添加的。

  • geopos

    • geopos [member...] 获得指定地区的坐标值
  • geodist

    • geodist [m|km|ft|mi ] 获取两个位置之间的直线距离
  • georadius

    • 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

Redis学习五(新数据类型)

标签:并且   offset   ash   方法   算法   经纬度   工作   map   设置   

原文地址:https://www.cnblogs.com/steven158/p/14878744.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!