Redis6的三种新数据类型

男娘i 2024-03-26 15:31 130阅读 0赞

**目录**

前言：

一、Bitmaps

1.介绍：

2.常用命令：

（1）setbit（设置）

（2）getbit（获取）

（3）bitcount（统计）

（4）bitop（集合化）

3.Bitmaps与set对比

二、HyperLogLog

1.介绍

2.常用命令

（1）pfadd（添加）

（2）pfcount（统计）

（3）pfmerge（合并）

三、Geospatial

1.介绍

2.常用命令：

（1）geoadd（添加）

（2）geopos（获取）

（3）geodist

（4）georadius

--------------------

## 前言： ##

本文主要介绍Redis6的新三种数据类型：Bitmaps、HyperLogLog、Geospatial，文中会提到Bitmaps与set的功能区别与优点，HyperLogLog统计基数的优势等

## 一、Bitmaps ##

### 1.介绍： ###

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。

![df00cfe3127842d4802426a34480891b.png][]

> 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。

### 2.常用命令： ###

#### （1）setbit（设置） ####

格式：setbit<key><offset><value>设置Bitmaps中某个偏移量的值（0或1）

\*offset 从0开始

实操：

![00578ee53bde4c74a048c8779b7774c6.png][]

> 成功返回0，失败返回1

#### （2）getbit（获取） ####

格式：getbit<key><offset>获取Bitmaps中某个偏移量的值

\*offset 从0开始

实操：

![10f29af851294ff1b52c3e0815d47a19.png][]

> 1说明存在记录，0说明未记录

#### （3）bitcount（统计） ####

\*统计**字符串**被设置为1的bit数。一般情况下，给定的整个字符串都会被进行计数，通过指定额外的 start 或 end 参数，可以让计数只在特定的位上进行。

start 和 end 参数的设置，都可以使用负数值：比如 -1 表示最后一个位，而 -2 表示倒数第二个位，start、end 是指bit组的字节的下标数，二者皆包含。

格式：bitcount<key>\[start end\] 统计字符串从start字节到end字节比特值为1的数量

实操：

![a3e8a443195a4e139c187957d8b0f355.png][]

#### （4）bitop（集合化） ####

格式： bitop and(or/not/xor) <destkey> \[key…\]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。

实操（and）：

![3fa801df79be499cac07dd0fb22962d6.png][]

### 3.**Bitmaps与set对比** ###

假设网站有1亿用户， 每天独立访问的用户有5千万， 如果每天用集合类型和Bitmaps分别存储活跃用户可以得到表

<table style="margin-left:5.65pt;width:436pt;"> 
 <tbody> 
 <tr> 
 <td colspan="4" style="width:436pt;"> set和Bitmaps存储一天活跃用户对比 </td> 
 </tr> 
 <tr> 
 <td style="width:54.2pt;"> 数据 类型 </td> 
 <td style="width:123.9pt;"> 每个用户id占用空间 </td> 
 <td style="width:106.8pt;"> 需要存储的用户量 </td> 
 <td style="width:151.1pt;"> 全部内存量 </td> 
 </tr> 
 <tr> 
 <td style="width:54.2pt;"> 集合 类型 </td> 
 <td style="width:123.9pt;"> 64位 </td> 
 <td style="width:106.8pt;"> 50000000 </td> 
 <td style="width:151.1pt;"> 64位*50000000 = 400MB </td> 
 </tr> 
 <tr> 
 <td style="width:54.2pt;"> Bitmaps </td> 
 <td style="width:123.9pt;"> 1位 </td> 
 <td style="width:106.8pt;"> 100000000 </td> 
 <td style="width:151.1pt;"> 1位*100000000 = 12.5MB </td> 
 </tr> 
 </tbody> 
</table>

很明显， 这种情况下使用Bitmaps能节省很多的内存空间， 尤其是随着时间推移节省的内存还是非常可观的

<table style="margin-left:5.65pt;width:436pt;"> 
 <tbody> 
 <tr> 
 <td colspan="4" style="width:436pt;"> set和Bitmaps存储独立用户空间对比 </td> 
 </tr> 
 <tr> 
 <td style="width:140.55pt;"> 数据类型 </td> 
 <td style="width:105.05pt;"> 一天 </td> 
 <td style="width:98.1pt;"> 一个月 </td> 
 <td style="width:92.3pt;"> 一年 </td> 
 </tr> 
 <tr> 
 <td style="width:140.55pt;"> 集合类型 </td> 
 <td style="width:105.05pt;"> 400MB </td> 
 <td style="width:98.1pt;"> 12GB </td> 
 <td style="width:92.3pt;"> 144GB </td> 
 </tr> 
 <tr> 
 <td style="width:140.55pt;"> Bitmaps </td> 
 <td style="width:105.05pt;"> 12.5MB </td> 
 <td style="width:98.1pt;"> 375MB </td> 
 <td style="width:92.3pt;"> 4.5GB </td> 
 </tr> 
 </tbody> 
</table>

但Bitmaps并不是万金油， 假如该网站每天的独立访问用户很少， 例如只有10万（大量的僵尸用户） ， 那么两者的对比如下表所示， 很显然， 这时候使用Bitmaps就不太合适了， 因为基本上大部分位都是0。

<table style="margin-left:5.65pt;width:436pt;"> 
 <tbody> 
 <tr> 
 <td colspan="4" style="width:436pt;"> set和Bitmaps存储一天活跃用户对比（独立用户比较少） </td> 
 </tr> 
 <tr> 
 <td style="width:57pt;"> 数据类型 </td> 
 <td style="width:117.1pt;"> 每个userid占用空间 </td> 
 <td style="width:103.05pt;"> 需要存储的用户量 </td> 
 <td style="width:158.85pt;"> 全部内存量 </td> 
 </tr> 
 <tr> 
 <td style="width:57pt;"> 集合类型 </td> 
 <td style="width:117.1pt;"> 64位 </td> 
 <td style="width:103.05pt;"> 100000 </td> 
 <td style="width:158.85pt;"> 64位*100000 = 800KB </td> 
 </tr> 
 <tr> 
 <td style="width:57pt;"> Bitmaps </td> 
 <td style="width:117.1pt;"> 1位 </td> 
 <td style="width:103.05pt;"> 100000000 </td> 
 <td style="width:158.85pt;"> 1位*100000000 = 12.5MB </td> 
 </tr> 
 </tbody> 
</table>

## 二、**HyperLogLog** ##

### 1.介绍 ###

HyperLogLog是基数计数类型，使用其来对数据进行基数计数时，总能在固定的、较小的空间进行计数记录。虽然Redis的Set、Hash、bitmaps也可以达到目的，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。

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

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。

> 基数： 不重复的数，例如\{1，1，1，2，2，3，6\} ==>\{1, 2, 3, 6\}

### 2.常用命令 ###

#### （1）pfadd（添加） ####

格式：pfadd <key>< element> \[element ...\] 添加指定元素到 HyperLogLog 中

实操：

![3702ff0ff1f44abab1145e02f52226f5.png][]

> 成功返回1，失败返回0

#### （2）pfcount（统计） ####

格式：pfcount<key> \[key ...\] 计算HLL的近似基数，可以计算多个HLL

实操：

![1d9e890ef99b4d369f8262af1dd1a8b5.png][]

#### （3）pfmerge（合并） ####

格式：pfmerge<destkey><sourcekey> \[sourcekey ...\] 将一个或多个HLL合并后的结果存储在另一个HLL中

实操：

![d8c7e56b5b204584aa2068c0ad52d5e1.png][]

## 三、**Geospatial** ##

### **1.介绍** ###

该类型用来记录某地的经纬度。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。

### 2.常用命令： ###

#### （1）geoadd（添加） ####

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

![73ed57333d4f422ab835fe89ef24ebad.png][]

> 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。

#### （2）geopos（获取） ####

格式：geopos <key><member> \[member...\] 获得指定地区的坐标值

实操：

![487bf2a24f6b493d8694dfc7d649a5ac.png][]

#### （3）geodist ####

格式：geodist<key><member1><member2> \[m|km|ft|mi \] 获取两个位置之间的直线距离

实操：

![cd69b762a88f424baa3178a83b0df0cb.png][]

#### （4）georadius ####

格式：georadius<key>< longitude><latitude>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

实操：

![2495faf0e67b49b6bd89365dd173b9d7.png][]

[df00cfe3127842d4802426a34480891b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/a5623f16cd1245c1a3f285d614ed4084.png
[00578ee53bde4c74a048c8779b7774c6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/6949e467637940bf8bdc87962e6e2540.png
[10f29af851294ff1b52c3e0815d47a19.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/892fe4e8009345e9b87b0814ec13997f.png
[a3e8a443195a4e139c187957d8b0f355.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/123923651b8c4d9698a0cdf83cb6430b.png
[3fa801df79be499cac07dd0fb22962d6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/c1a5196e7d6a4c02a1cf5db1f6fc277b.png
[3702ff0ff1f44abab1145e02f52226f5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/b62daa7e3cbd43168bdeceea475758d2.png
[1d9e890ef99b4d369f8262af1dd1a8b5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/04f212fe52a64018a8ea73cbf309c568.png
[d8c7e56b5b204584aa2068c0ad52d5e1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/88b6f56164214683a1c77a78f7548c94.png
[73ed57333d4f422ab835fe89ef24ebad.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/8bca359973894705a9a5cfefd9a735d5.png
[487bf2a24f6b493d8694dfc7d649a5ac.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/3babada7bb3f4b428a5663af3d1b51cc.png
[cd69b762a88f424baa3178a83b0df0cb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/4f30e65a2c114505a2b45547f104aa9e.png
[2495faf0e67b49b6bd89365dd173b9d7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/51c5aba594ef4c189ebed268ee4ce677.png