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 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。

1.2 命令

1、setbit （1）格式 setbit设置Bitmaps中某个偏移量的值（0或1） *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  unique:users:20220101代表2022-01-01这天的独立访问用户的Bitmaps

127.0.0.1:6379> SETBIT unique:users:20220101 1 1
(integer) 0
127.0.0.1:6379> SETBIT unique:users:20220101 6 1
(integer) 0
127.0.0.1:6379> SETBIT unique:users:20220101 11 1
(integer) 0
127.0.0.1:6379> SETBIT unique:users:20220101 15 1
(integer) 0
127.0.0.1:6379> SETBIT unique:users:20220101 19 1
(integer) 0

注： 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 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2022-01-01这天访问过， 返回0说明没有访问过：

127.0.0.1:6379> GETBIT unique:users:20220101 8
(integer) 0
127.0.0.1:6379> GETBIT unique:users:20220101 1
(integer) 1
127.0.0.1:6379> GETBIT unique:users:20220101 11
(integer) 1

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。 （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 （2）实例 计算2022-11-06这天的独立访问用户数量

127.0.0.1:6379> BITCOUNT unique:users:20220101
(integer) 5

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。

127.0.0.1:6379> BITCOUNT unique:users:20220101 1 3
(integer) 3

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) [key…] bitop and 【随意取名】 key1 key2

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 2022-01-03 日访问网站的userid=1,2,5,9。 setbit unique:users:20220103 1 1 setbit unique:users:20220103 2 1 setbit unique:users:20220103 5 1 setbit unique:users:20220103 9 1

2020-01-04 日访问网站的userid=0,1,4,9。 setbit unique:users:20220104 0 1 setbit unique:users:20220104 1 1 setbit unique:users:20220104 4 1 setbit unique:users:20220104 9 1

计算出两天都访问过网站的用户数量 bitop and unique:users:and:20220103_04 unique:users:20220103 unique:users:20220104

127.0.0.1:6379> setbit unique:users:20220103 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220103 2 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220103 5 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220103 9 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220104 0 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220104 1 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220104 4 1
(integer) 0
127.0.0.1:6379> setbit unique:users:20220104 9 1
(integer) 0
127.0.0.1:6379> bitop and unique:users:and:20220103_04 unique:users:20220103 unique:users:20220104
(integer) 2
127.0.0.1:6379> BITCOUNT unique:users:and:20220103_04
(integer) 2

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

127.0.0.1:6379> bitop or unique:users:or:20220103_04 unique:users:20220103 unique:users:20220104
(integer) 2
127.0.0.1:6379> bitcount unique:users:or:20220103_04
(integer) 6

1.3 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

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

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。

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 命令

1、pfadd （1）格式 pfadd < element> [element ...] 添加指定元素到 HyperLogLog 中

127.0.0.1:6379> PFADD hll1 "mysql"
(integer) 1
127.0.0.1:6379> PFADD hll1 "redis"
(integer) 1
127.0.0.1:6379> PFADD hll1 "redis"
(integer) 0

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 （2）实例

127.0.0.1:6379> PFADD hll1 "mysql"
(integer) 1
127.0.0.1:6379> PFADD hll1 "redis"
(integer) 1
127.0.0.1:6379> PFADD hll1 "redis"
(integer) 0
127.0.0.1:6379> PFADD hll2 "redis"
(integer) 1
127.0.0.1:6379> PFADD hll2 "mongodb"
(integer) 1
127.0.0.1:6379> PFCOUNT hll1 hll2
(integer) 3

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 （2）实例

127.0.0.1:6379> PFMERGE hll3 hll1 hll2
OK
127.0.0.1:6379> PFCOUNT hll3
(integer) 3

这个无法查看值，它就是用来计算基数的，如果可以看值那和set就没差别了

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 命令

1、geoadd （1）格式 geoadd< longitude> [longitude latitude member...] 添加地理位置（经度，纬度，名称） （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

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 chongqing 114.05 22.52 shenzhen 116.38 39.90 beijing
(integer) 3

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 （2）实例

127.0.0.1:6379> GEOPOS china:city shenzhen
1) 1) "114.04999762773513794"
   2) "22.5200000879503861"

3、geodist （1）格式 geodist [m|km|ft|mi ] 获取两个位置之间的直线距离 （2）实例 获取两个位置之间的直线距离

127.0.0.1:6379> GEODIST china:city beijing shenzhen
"1945573.9752"
127.0.0.1:6379> GEODIST china:city beijing shenzhen km
"1945.5740"
127.0.0.1:6379> GEODIST china:city shenzhen beijing km
"1945.5740"

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 经度 纬度 距离 单位 以给定的经纬度为中心，找出某一半径内的元素 （2）实例

127.0.0.1:6379> GEORADIUS china:city 110 30 1000 km
1) "chongqing"
2) "shenzhen"