开发者社区> 一个风轻云淡> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

6.Redis新数据类型

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
+关注继续查看
福利推荐:阿里云、腾讯云、华为云等大品牌云产品全线2折优惠活动来袭,4核8G云服务器899元/3年,新老用户共享优惠,点击这里立即抢购>>>

Bitmaps



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


a23e78908390414886bf0e635a01bed4.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。

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。


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。


7e37444b553840ec80bb05cf7b2cc5d9.png


命令


1、setbit

(1)格式

setbit设置Bitmaps中某个偏移量的值(0或1)

?

3ee852663bf04cd2ac5dcc32d5ffeeb0.png


?*offset:偏移量从0开始


(2)实例


每个独立用户是否访问过网站存放在Bitmaps中, 将访问的用户记做1, 没有访问的用户记做0, 用偏移量作为用户的id。


设置键的第offset个位的值(从0算起) , 假设现在有20个用户,userid=1, 6, 11, 15, 19的用户对网站进行了访问, 那么当前Bitmaps初始化结果如图


489a9de4d4e444bf920fc9b86c73cf5a.png


?unique:users:20201106代表2020-11-06这天的独立访问用户的Bitmaps


0498fa948976468a97847274d2a0b98f.png


注:

很多应用的用户id以一个指定数字(例如10000) 开头, 直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费,?通常的做法是每次做setbit操作时将用户id减去这个指定数字。


在第一次初始化Bitmaps时,?假如偏移量非常大, 那么整个初始化过程执行会比较慢, 可能会造成Redis的阻塞。


2、getbit


(1)格式


getbit获取Bitmaps中某个偏移量的值


f2238237c0de4707bc7f6aaf2ef20d0c.png


获取键的第offset位的值(从0开始算)


(2)实例


获取id=8的用户是否在2020-11-06这天访问过, 返回0说明没有访问过:


402311fc5bf247d3be026045b2ab230c.png


?注:因为100根本不存在,所以也是返回0


3、bitcount


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。(比特,8位,不是字节)


(1)格式


bitcount[start end] 统计字符串从start字节到end字节比特值为1的数量


b32a393f46a84e5cbe87efcc52fc5532.png


(2)实例


计算2022-11-06这天的独立访问用户数量


880e3fc167d84d448aa36df84afd7c13.png


start和end代表起始和结束字节数, 下面操作计算用户id在第1个字节到第3个字节之间的独立访问用户数, 对应的用户id是11, 15, 19。


c1a984d2a1d84772b381848375cb90e9.png


举例: K1 【01000001 01000000 ?00000000 00100001】,对应【0,1,2,3】

bitcount K1 1 2 ?: 统计下标1、2字节组中bit=1的个数,

即01000000 ?00000000


--》bitcount K1 1 2 --》1

bitcount K1 1 3 ?: 统计下标1、2字节组中bit=1的个数,

即01000000 ?00000000 00100001


--》bitcount K1 1 3 --》3

bitcount K1 0 -2 ?: 统计下标0到下标倒数第2,字节组中bit=1的个数,

即01000001 ?01000000 ??00000000

--》bitcount K1 0 -2 --》3


?注意:redis的setbit设置或清除的是bit位置,而bitcount计算的是byte位置。

?

4、bitop


(1)格式


bitop??and(or/not/xor) <destkey>?[key…]


7e16c72831ef45efb8dd05d1869d58dc.png


?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。


(2)实例


2020-11-04 日访问网站的userid=1,2,5,9。


setbit unique:users:20201104 1 1


setbit unique:users:20201104 2 1


setbit unique:users:20201104 5 1


setbit unique:users:20201104 9 1


2020-11-03 日访问网站的userid=0,1,4,9。


setbit unique:users:20201103 0 1


setbit unique:users:20201103 1 1


setbit unique:users:20201103 4 1


setbit unique:users:20201103 9 1


计算出两天都访问过网站的用户数量


bitop and unique:users:and:20201104_03


unique:users:20201103unique:users:20201104


eff599f5ba984bbd9d50be3481829afd.png

d19d079adb4f4bd3a751bfce1becabed.png



?计算出任意一天都访问过网站的用户数量(例如月活跃就是类似这种) , 可以使用or求并集


73d45ccf0ac74828ac853531272f07f3.png


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


image.png


?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


image.png


?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。


image.png


HyperLogLog



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。


命令


1、pfadd


?(1)格式


pfadd < element> [element ...] ??添加指定元素到 HyperLogLog 中


08400294243b4b6895c86efe39f59b4a.png

?

(2)实例


ed6225e3ac6a4328961777fc9c4d8fa0.png


?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。


2、pfcount


(1)格式


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


da79cbe0c7c94480af96b0351730bb4a.png


?(2)实例


67e0d810730a40019531e787006c9541.png


3、pfmerge


(1)格式


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


08ec7beb640a4c9d9430bb02dac7fa80.png


?(2)实例


cd000549630e43759d82b649023760c3.png


Geospatial



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。


命令


1、geoadd


(1)格式


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


c24d1e24d6f348bebbfea0b05c424f81.png


(2)实例


geoadd china:city 121.47 31.23 shanghai

geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing


a4f627c6b5a448f2ac10a988a15c056e.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


(1)格式


geopos ? [member...] ?获得指定地区的坐标值


eaa75f730f894878834690af0c9ff550.png


?(2)实例


5b99bafd93964304a07debeb44e22250.png


3、geodist


(1)格式


geodist ?[m|km|ft|mi ]? 获取两个位置之间的直线距离


ee6a8ca6356d4bf0bb1d6301c61c665d.png


(2)实例


获取两个位置之间的直线距离


286e6d7f97054fc5a63036ea93ac54a1.png


单位:


m 表示单位为米[默认值]。

km 表示单位为千米。

mi 表示单位为英里。

ft 表示单位为英尺。

如果用户没有显式地指定单位参数, 那么 GEODIST 默认使用米作为单位


4、georadius


(1)格式


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


101130a49d8d48ecbcfb416268a92d73.png


?经度 纬度 距离 单位


?(2)实例


f4b70d68804040f3b6a2a2659a3fef62.png

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
关于redis的几件小事(三)redis的数据类型与使用场景
介绍了redis的数据类型以及各个类型的使用场景
11 0
Redis 数据类型sorted_set以及使用场景
Redis 数据类型sorted_set以及使用场景
74 0
Redis 数据类型hash以及使用场景
Redis 数据类型hash以及使用场景
2135 0
redis各数据类型使用场景
redis各数据类型使用场景
63 0
Redis全方位详解--数据类型使用场景和redis分布式锁的正确姿势
原文:Redis全方位详解--数据类型使用场景和redis分布式锁的正确姿势 ? 一、Redis数据类型   1.string     string是Redis的最基本数据类型,一个key对应一个value,每个value最大可存储512M。
1362 0
Redis数据类型及使用场景
redis支持常见的数据类型,现在是被广泛用在各大公司的内部,它可以做的东西很多,不过要先了解下他提供的基本数据类型与常见操作。接下来一起看看把。 字符串 最基础的数据类型,首先key是字符串类型,其它的数据类型都是在字符串的基础之上构建的。
773 0
Redis安装布隆(Bloom Filter)过滤器
Redis安装布隆(Bloom Filter)过滤器
220 0
Redis教程01(linux环境下安装)
Redis 是一个开源(BSD许可)的,内存中的数据结构存储系统,它可以用作数据库、缓存和消息中间件. 它支持多种类型的数据结构,是我们在开发中使用频率比较高的一个组件。本文主要讲解Redis的安装,后续文章会介绍其相关的知识点。
56 0
Redis安装与常用命令整合
Redis安装与常用命令整合
82 0
+关注
一个风轻云淡
又菜又爱玩的一个人
文章
问答
文章排行榜
最热
最新
相关电子书
更多
Redis Cluster的基本原理
立即下载
Redis的开发规范和常见问题
立即下载
高并发分布式缓存Redis6.0
立即下载


http://www.vxiaotou.com