Redis——三种特殊数据类型 Geospatial Hyperloglog Bitmaps

红太狼 2023-01-13 10:55 175阅读 0赞

### Redis三种特殊数据类型 ###

*  Bitmaps
 *   *  Bitmaps类型的基础操作
     *  应用案例
 *  Hyperloglog
 *   *  HyperLogLog类型的基本操作
 *  Geospatial
 *   *  GEO类型的基本操作

# Bitmaps #

Bitmaps这个数据结构可以实现对位的操作。Bitmaps实际上就是字符串，但是它可以对字符串的位进行操作。

可以把Bitmaps想象成一个以位为单位数组，数组中的每个单元只能存0或者1，数组的下标在bitmaps中叫做偏移量。单个bitmaps的最大长度是512MB，即2^32个比特位。

详细可以参考[大佬写的][Link 1]

## 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

使用bitmap来记录 周一到周日的打卡！
    周一:1 周二:0 周三:0 周四:1.....
    127.0.0.1:6379> setbit sign 0 1
    (integer) 0
    127.0.0.1:6379> setbit sign 1 0
    (integer) 0
    127.0.0.1:6379> setbit sign 2 0
    (integer) 0
    127.0.0.1:6379> setbit sign 3 1
    (integer) 0
    127.0.0.1:6379> setbit sign 4 1
    (integer) 0
    127.0.0.1:6379> setbit sign 5 0
    (integer) 0
    127.0.0.1:6379> setbit sign 6 0
    (integer) 0
    # 查看某一天是否有打卡！
    127.0.0.1:6379> getbit sign 3
    (integer) 1
    127.0.0.1:6379> getbit sign 6
    (integer) 0
    #统计操作，统计打卡的天数
    127.0.0.1:6379> bitcount sign	# 统计这周打卡记录，就可以看见是否全勤
    (integer) 3

## 应用案例 ##

*  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

**解决方案**

*  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 \[start end\]

状态的统计
    127.0.0.1:6379> setbit 20201229 0 1		# 20201229日这一天 0号电脑 点播过 因此为1
    (integer) 0
    127.0.0.1:6379> setbit 20201229 4 1
    (integer) 0
    127.0.0.1:6379> setbit 20201229 8 1
    (integer) 0
    127.0.0.1:6379> setbit 20201230 0 1
    (integer) 0
    127.0.0.1:6379> setbit 20201230 5 1
    (integer) 0
    127.0.0.1:6379> setbit 20201230 8 1
    (integer) 0
    127.0.0.1:6379> bitcount 20201229
    (integer) 3
    127.0.0.1:6379> bitcount 20201230
    (integer) 3
    127.0.0.1:6379> setbit 20201229 6 1	
    (integer) 0
    127.0.0.1:6379> bitcount 20201229
    (integer) 4
    
    127.0.0.1:6379> bitop or 29-30 20201229 20201230	# 合并
    (integer) 2
    127.0.0.1:6379> bitcount 29-30	# 就可以查看出有多少电影被点播
    (integer) 5

*  redis 应用于信息状态统计

# Hyperloglog #

Redis 2.8.9版本就更新了Hyperloglog数据结构

Redis Hyperloglog 基数统计的算法

*  优点：占用的内存是固定，2^64 不同的元素的基数，只需要费12kb内存 。如果要从内存角度来比较的话 Hyperloglog 就是首选
 *  网页的UV（一个人访问一个网站多次，但是还是算作一个人）
 *  传统的方式，set保存用户的id，然后就可以统计set中元素数量作为标准判断！这个方式如果保存大量的用户id,就会比较麻烦，我们的目的是为了计数，而不是保存用户id

**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

![在这里插入图片描述][2021041820211438.png]

## HyperLogLog类型的基本操作 ##

*  添加数据
    
    > pfadd key element \[element …\]
 *  统计数据
    
    > pfcount key \[key …\]
 *  合并数据
    
    > pfmerge destkey sourcekey \[sourcekey…\]

127.0.0.1:6379> pfadd mykey a b c d e f g h i j		# 创建第一组元素 mykey
    (integer) 1
    127.0.0.1:6379> pfcount mykey	# 统计mykey中元素的基数数量
    (integer) 10
    127.0.0.1:6379> pfadd mykey2 i j z x c v b n a m	# 创建第二组元素 mykey2
    (integer) 1
    127.0.0.1:6379> pfcount mykey2
    (integer) 10
    127.0.0.1:6379> pfmerge mykey3 mykey mykey2		# 合并两组 mykey mykey2 => mykey3 并集
    OK
    127.0.0.1:6379> pfcount mykey3	# 查看并集的数量!
    (integer) 15

如果允许容错，那么一定可以使用Hyperloglog！

如果不允许容错 ，就使用set或者自己的数据类型即可！

**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

# Geospatial #

Geospatial 地理位置

朋友的定位，附近的人，打车距离计算，但是计算出来的位置只算水平距离，不算垂直距离

Redis的Geo在Redis3.2版本就推出了！这功能可以推算地理位置的信息，两地之间的距离，方圆几里的人

## GEO类型的基本操作 ##

*  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 \[unit\]
 *  根据坐标点求范围内的数据
    
    > georadius key longitude latitude radius m|km|ft|mi \[withcoord\] \[withdist\] \[withhash\] \[count count\]
 *  根据点求范围内数据
    
    > georadiusbymember key member radius m|km|ft|mi \[withcoord\] \[withdist\] \[withhash\] \[count count\]
 *  获取指定点对应的坐标hash值
    
    > geohash key member \[member …\]

geoadd 添加地理位置
    规则：两极无法直接添加，我们一般会下载城市数据，直接通过java程序一次性导入!
    参数 key 值（经度，纬度，名称）
    有效的经度从-180度到180度
    有效的维度从-85.05112878度到85.05112878度
    
    127.0.0.1:6379> geoadd china:city 116.40 39.90 beijing
    (integer) 1
    127.0.0.1:6379> geoadd china:city 121.47 31.23 shanghai
    (integer) 1
    127.0.0.1:6379> geoadd china:city 106.50 29.53 chongqin
    (integer) 1
    127.0.0.1:6379> geoadd china:city 120.16 30.24 hangzhou 114.05 22.52 shengzhen 108.96 34.26 xian
    (integer) 3
    
    geopos 获得当前定位：一定是一个坐标值
    获取指定城市的经度和纬度
    
    127.0.0.1:6379> geopos china:city beijing chongqin xian shengzhen
    1) 1) "116.39999896287918091"
       2) "39.90000009167092543"
    2) 1) "106.49999767541885376"
       2) "29.52999957900659211"
    3) 1) "108.96000176668167114"
       2) "34.25999964418929977"
    4) 1) "114.04999762773513794"
       2) "22.5200000879503861"
       
    geodist
    两人之间的距离
    单位：
    m 表示单位为米。
    km 表示单位为千米。
    mi 表示单位为英里。
    ft 表示单位为英尺。
    
    127.0.0.1:6379> geodist china:city beijing shanghai	# 查看北京到上海的直线距离
    "1067378.7564"
    127.0.0.1:6379> geodist china:city beijing shanghai km
    "1067.3788"
    127.0.0.1:6379> geodist china:city beijing chongqin km
    "1464.0708"
    127.0.0.1:6379> geodist china:city beijing xian km
    "910.0565"
    
    georadius 以给定的经纬度为中心， 找出某一半径内的元素
    我附近的人(获取所有附近的人的地址 定位)通过半径来查询
    所有的数据都应该录入：china:city 才会让结果更加清晰
    
    127.0.0.1:6379> GEORADIUS china:city 110 30 1000 km	# 以110 30这个经纬度为中心寻找方圆1000km内的城市
    1) "chongqin"
    2) "xian"
    3) "shengzhen"
    4) "hangzhou"
    127.0.0.1:6379> GEORADIUS china:city 110 30 500 km
    1) "chongqin"
    2) "xian"
    127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withcoord # 显示他人的定位信息
    1) 1) "chongqin"
       2) 1) "106.49999767541885376"
          2) "29.52999957900659211"
    2) 1) "xian"
       2) 1) "108.96000176668167114"
          2) "34.25999964418929977"
    127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withdist	# 显示到中心距离的位置
    1) 1) "chongqin"
       2) "341.9374"
    2) 1) "xian"
       2) "483.8340"
       
    # 筛选出指定的的结果
    127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withdist withcoord count 1
    1) 1) "chongqin"
       2) "341.9374"
       3) 1) "106.49999767541885376"
          2) "29.52999957900659211"
    127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withdist withcoord count 2
    1) 1) "chongqin"
       2) "341.9374"
       3) 1) "106.49999767541885376"
          2) "29.52999957900659211"
    2) 1) "xian"
       2) "483.8340"
       3) 1) "108.96000176668167114"
          2) "34.25999964418929977"
    127.0.0.1:6379> GEORADIUS china:city 110 30 500 km withdist withcoord count 3
    1) 1) "chongqin"
       2) "341.9374"
       3) 1) "106.49999767541885376"
          2) "29.52999957900659211"
    2) 1) "xian"
       2) "483.8340"
       3) 1) "108.96000176668167114"
          2) "34.25999964418929977"
    
    
    GEORADIUSBYMEMBER
    找出位于指定元素周围的其他元素
    
    127.0.0.1:6379> GEORADIUSBYMEMBER china:city beijing 1000 km
    1) "beijing"
    2) "xian"
    127.0.0.1:6379> GEORADIUSBYMEMBER china:city shanghai 200 km
    1) "hangzhou"
    2) "shanghai"
    
    GEOHASH 
    返回一个或多个位置元素的 Geohash 
    将二维的经纬度转换为一维的字符串，如果两个字符串越接近，那么则距离越近
    
    127.0.0.1:6379> geohash china:city beijing chongqin
    1) "wx4fbxxfke0"
    2) "wm5xzrybty0"
    
    GEO底层的实现原理其实就是Zset 我们可以使用Zset命令来操作geo
    zrem移除
    
    127.0.0.1:6379> zrange china:city 0 -1	# 查看地图中全部的元素
    1) "chongqin"
    2) "xian"
    3) "shengzhen"
    4) "hangzhou"
    5) "shanghai"
    6) "beijing"
    
    127.0.0.1:6379> zrem china:city beijing	# 移除指定的元素
    (integer) 1

[Link 1]: https://www.cnblogs.com/yangmingxianshen/p/8179865.html
[2021041820211438.png]: /images/20221022/aee01f7721904bbeaf2d6b9886202193.png