引言
說起
redis
的資料結構，大家可能對五大基礎資料類型比較熟悉:
String
，
Hash
List
Set
Sorted Set
。那麼除此之外，還有三大衍生資料結構，大家平時是很少接觸的，即：
bitmaps
、
hyperloglog
geo
另外，我覺得，這三個資料結構，隻能說是錦上添花。真正在項目中，我還真沒用過。
下面大家來看看這三大資料結構的定義和用途
bitmaps
定義
說到這個
bitmaps
，其實它就是
String
，但它可以對
String
的位進行操作。然後呢，這個位操作，有自己的指令，是以和操作
String
的
redis
指令又不大一樣！
可以這麼了解
bitmaps為一個以位為機關的數組，數組的每個單元隻能存儲0和1
下面舉個例子，比如我們要做一個set操作，
key
為
w
value
h
，那麼執行如下指令
127.0.0.1:6379> set w h OK 127.0.0.1:6379> get w "h" 那麼
h
的ASCII為
0110 1000
接下來，你可以用位指令
getbit
指令取出，取出每一位的内容。
127.0.0.1:6379> getbit w 0 #用getbit擷取w第0位的值 (integer) 0 127.0.0.1:6379> getbit w 1 #用getbit擷取w第1位的值 (integer) 1 127.0.0.1:6379> getbit w 2 #用getbit擷取w第2位的值 (integer) 1 127.0.0.1:6379> getbit w 3 #用getbit擷取w第3位的值 (integer) 0 用途
網上傳言，此結構用來統計一定時間内的，活躍的使用者數，使用
bitmap
的結構比傳統的
set
結構省空間。然而，這種用途有很大的局限性，我後文會說到。先說一下，網上的說法。
假設有30個使用者，其中有5個使用者，在
2018-10-04
這天登陸了。假設這5個使用者的userid=2，4，8，11，12。
那麼，我們假設key為
users:2018-10-04
，将其
value
值用于記錄使用者登陸資訊。那麼為了記錄上述5個使用者登陸過，我們将該
value
值的第2位，第4位，第8位，第11位，第12位設為1，即執行下述指令
127.0.0.1:6379> setbit users:2018-10-04 2 1 (integer) 0 127.0.0.1:6379> setbit users:2018-10-04 4 1 (integer) 0 127.0.0.1:6379> setbit users:2018-10-04 8 1 (integer) 0 127.0.0.1:6379> setbit users:2018-10-04 11 1 (integer) 0 127.0.0.1:6379> setbit users:2018-10-04 12 1 (integer) 0 這個時候，比如你要判斷userid=11的使用者，在2018-10-04這天，有沒有登陸過，就執行下述指令
127.0.0.1:6379> getbit users:2018-10-04 11 (integer) 1 結果為1，就代表使用者登陸過。如果傳回結果為0，則代表使用者沒登陸過。
如果要統計，2018-10-04，這一天登陸的使用者數，可以執行下面的指令
127.0.0.1:6379> bitcount users:2018-10-04 (integer) 5 上面的指令就可以統計出，2018-10-04，這一天5個使用者登陸過。
ok，到這裡大家就查不多能明白了。
先說一下，這裡的
userid=2，4，8，11，12
，可以了解為偏移量。比如實際項目中的userid位1000002,那麼偏移量就是2。大家在項目中，可以靈活變通。
然而這種方式有一個局限性。我們在實際項目中，如果userid是使用uuid生成的，那麼，你要如何根據這些userid生成偏移量？莫非你還要去找一個hash函數，生成偏移量？就算找到了相應的hash函數，你能確定一定不發生hash碰撞，導緻偏移量一緻？
是以，大家了解即可。
HyperLogLog
HyperLogLog
并不是一種資料結構，而是一種算法，可以利用極小的記憶體空間完成獨立總數的統計。
其實，大家可能對該算法比較陌生。我們
java
中有一個庫叫
stream-lib
，其中也實作了
HyperLogLog
算法。我大概說一下該算法的原理，我不想去長篇大論的搬出數學論文來，大家看着也無聊，這裡
Hyper
指的是超級的意思，它的前世是LogLog算法。這裡部落客蜻蜓點水的裝13一下，大家能領悟到精髓即可。
假設有如下對話
我:"小曲啊，假設啊，我一輪丢5次硬币，丢了很多輪之後，發現這幾輪中，最多出現連續的2次反面1次正面，你能猜出來我丢了多少輪麼！"
小曲:"應該沒幾輪吧，頂多就七八輪。"
我:"卧槽，這麼機智，怎麼算的?"
小曲:"很簡單啊，正反面機率都是1/2,連着二次反面，一次正面。不就是1/21/21/2麼！"
我:"那要是最多出現連續的4次反面1次正面呢？"
小曲:"那應該是很多很多輪吧！"
我:"果然機智！"
上述聊天，出自我和同僚曲之間的，日常互吹！如有雷同，純屬巧合！
好了，原理講完了！隻是他的估算算法比較複雜！沒這麼簡單而已！而且這麼估，誤差還比較大！下面給出算法的僞代碼。
輸入：一個集合 輸出：集合的獨立總數 算法： max = 0 對于集合中的每個元素： hashCode = hash(元素) num = hashCode二進制表示中最前面連續的0的數量 if num > max: max = num 最後的結果是2的(max + 1)次幂 需要說明的是
hashCode = hash(元素) 就是把你的輸入元素，映射成二進制長串。映射成二進制長串後，就可以類比到我最先說的抛硬币的結果了。至于最後的結果為什麼用
(max+1)
，大家可以去查文獻。畢竟這文章是在講
redis
，不是在講這個算法。而且這個算法，後面還經過了一系列演進，比如将入參集合分為m個部分，然後将
m
個部分的結果求一個平均數
(avg)
，最後以2的
(avg + 1)
次幂，來估計獨立總數！這些讀者有興趣可以自行查詢！
這個結構可以非常省記憶體的去統計各種計數，比如注冊
IP
數、每日通路
IP
數。當然，存在誤差！Redis官方給出的數字是0.81%的失誤率。
用法也很簡單如下所示
127.0.0.1:6379> pfadd ips:2018-10-04 "127.0.0.1" "127.0.0.2" "127.0.0.3" "127.0.0.4" (integer) 1 127.0.0.1:6379> pfcount ips:2018-10-04 (integer) 4 上面就是示範了，2018-10-04這天，約4個ip登陸了系統！
網上有一張和傳統集合結構的占用空間對比圖，貼出來，給大家看看
注意了，再強調一次，使用此結構是存在誤差的！比如你
pfadd
了一百萬條資料進去，結果
pfcount
的結果可能就999756條！
Geo
Geo可以用于存儲經緯度、計算兩地之間的距離、範圍計算等。其底層實作是zset。
主要有以下六組指令
-
geoadd
-
geopos
-
geodist
-
georadius
-
georadiusbymember
-
geohash
我這裡直接貼官網文檔的例子，大家有興趣可以自行查詢.
首先，先給key增加兩個坐标
redis> GEOADD Sicily 13.361389 38.115556 "Palermo" 15.087269 37.502669 "Catania" (integer) 2 其次，計算兩個坐标之間的舉例
redis> GEODIST Sicily Palermo Catania "166274.15156960039" 最後，計算距離經緯度
(15,37)
距離
100km
和
200km
範圍内的坐标有哪些
redis> GEORADIUS Sicily 15 37 100 km 1) "Catania" redis> GEORADIUS Sicily 15 37 200 km 1) "Palermo" 2) "Catania" 總結，我目前還沒涉及到和地圖有關的業務，是以該結構用的還比較少。大家根據項目具體需求使用即可！
作者：孤獨煙
出處： http://rjzheng.cnblogs.com/
本文版權歸作者和部落格園共有，歡迎轉載，但未經作者同意必須保留此段聲明，且在文章頁面明顯位置給出原文連接配接，否則保留追究法律責任的權利。如果覺得還有幫助的話，可以點一下右下角的【推薦】。