1.Bitmaps

1.1.简介

进行为操作的字符串。
现代计算机使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：
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”恶意实现对位的操作：

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。

1.2.相关命令

1.setbit key offset value：

设置Bitmaps中某个偏移量（下标索引）的值（0或1），offset从0开始。
示例：每个独立用户是否访问过网站，offset表示用户Id，value=1表示访问过。假设现在有20个用户，其中userid=1，6，11，15，19的用户对网站进行了独立访问。那么对应的Bitmaps结果如下。
注意：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，可能造成Redis的阻塞。

2.getbit key offset：获取某个Bitmaps的对应offset的值

getbit users:2021 19

在这里插入图片描述
3.bitcount key [start end]：统计某个Bitmaps中的值为1的个数。

bitcount users:2021

在这里插入图片描述

注意：start end参数表示的是字节byte序号。且都可以使用负数值，比如-1表示最后一个字节，而-2表示倒数第二个字节。比如上述例子：

在这里插入图片描述

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 and(or/not/xor) destkey [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，并将它们保存在destkey中。
示例：

2020-11-04日访问网站的userid=1,2,5,9

2020-11-03日访问网站的userid=0,1,4,9
计算出这两天都访问过网站的用户总数量：取交集1和9
bitop and users:and users:2020-11-03 users:2020-11-04
取交集图示
计算出这两天访问过这个网站的用户的总数量：取并集
bitop or users:or users:2020-11-03 users:2020-11-04

1.3.Bitmaps和Set的对比

情景一活跃用户量很大：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。

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能节省的内存还是非常可观的。
情景2活跃用户量很少：假如该网站每天的独立访问用户很少，例如只有10万（存在大量的僵尸用户），那么两者的对比如下，很显然此时使用Bitmaps就不太合适了，因为基本上大部分位都是0.

2.HyperLogLog

2.1简介

在工作中，我们经常遇到与统计相关的功能需求，比如统计网站PV页面访问量，可以使用Redis的icnr，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。
以上解决方案结果精准，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。
能否降低一定的精度来平衡存储空间呢？redis推出了HyperLogLog。
HyperLogLog是用来做基数统计的算法，HyperLogLog的优点是再输人元素的数量或者体系非常非常大时，计算基数所需要的空间总是固定的，而且是很小的。
在Redis中，每个HyperLogLog键只需要花费12KB内存，就可以计算接近2⁶⁴个不同元素的基数（个数）。这和计算基数时，元素越多耗费内存越多的集合形成鲜明的对比。
但是因为HyperLogLog只会根据输入元素来计算基数，它不会存储输入的元素本身，所以HyperLogLog不能像集合那样，返回输入的各个元素。
什么是基数：不重复元素个数
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（不重复元素个数）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.相关命令

1.pfadd key element [element...]：添加指定元素，但是HyperLogLog不存储元素，只是存储不同元素个数。如果近似基数发生变化，返回1，否则返回0.

2.pfcount key：计算HyperLogLog的基数

在这里插入图片描述

注意：可以合并计算多个HyperLogLog的整体近似基数，比如用7个HyperLogLog存储每天的UV，计算一周的UV可以使用7天的UV合并计算。
示例：
program有java php c++

program2有java，c++，sql

计算两者合并的基数：pfcount program program2

3.pfmerge destkey sourcekey [sourceky...]

将一个或者多个HyperLogLog合并后的基数结果存储在另一个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。
pfmerge program-sum program program2

在这里插入图片描述

3.Geospatial

3.1.简介

Redis3.2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，经纬度Hash等常见操作。

3.2.相关命令

1.geoadd key 经度纬度名称 [经度纬度名称...]

geoadd china:city 121.47 31.23 shanghai
geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shenzhen 11 6.38 39.90 beijing
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，该命令将返回一个错误。
已经添加的数据，是无法再次往里面添加的。