3. Redis三大特殊類型geospatial ，hyperloglog，bitmaps

1.geospatial(地理位置詳解)

geospatial可以幹什麼？

• 朋友的定位，附近的人，打車距離的計算

geospatial隻有6個指令

• geoadd ：添加資料，但是這麼很麻煩，我們一般使用java代碼，進行添加
• geopos ：獲得目前的定位，一定是一個坐标值，也就是獲得我們輸入的資料
• geodist ：計算距離
• georadius ：以某某為中心，x為半徑，查詢半徑内的資料
• georadiusbymember ：找出位于指定元素周圍的其他元素
• geohash ：使用hash 來傳回坐标值

1.1、geoadd：

• 注意：添加城市資料，兩極無法直接添加，我們一般會下載下傳城市資料，直接通過java程式一次性導入

添加城市經緯度

127.0.0.1:6379> geoadd china:city 116.40 39.90 beijing  # 添加城市的經緯度，這裡是北京 前面是經度，後面是緯度
(integer) 1
127.0.0.1:6379> geoadd china:city 121.47 31.23 shanghai # 添加城市的經緯度，這裡是上海 前面是經度，後面是緯度
(integer) 1
127.0.0.1:6379> geoadd china:city 106.50 29.53 chongqin # 添加城市的經緯度，這裡是重慶 前面是經度，後面是緯度
(integer) 1
127.0.0.1:6379>  geoadd china:city 114.05 22.52 shenzhen # 添加城市的經緯度，這裡是深圳 前面是經度，後面是緯度
(integer) 1
127.0.0.1:6379>  geoadd china:city 120.16 30.24 hangzhou 108.96 34.26 xian  # 添加城市的經緯度，這裡是杭州和西安 前面是經度，後面是緯度
(integer) 2
127.0.0.1:6379> 

           

1.2、geopos：

• 檢視錄入資料城市的經緯度

127.0.0.1:6379> keys *
1) "china:city"
127.0.0.1:6379> geopos china:city shanghai   # 檢視上海的經緯度
1) 1) "121.47000163793563843"
   2) "31.22999903975783553"
127.0.0.1:6379> geopos china:city beijing     # 檢視北京的經緯度
1) 1) "116.39999896287918091"
   2) "39.90000009167092543" 
127.0.0.1:6379> geopos china:city shenzhen   # 檢視深圳的經緯度
1) 1) "114.04999762773513794"
   2) "22.5200000879503861"
127.0.0.1:6379> 

           

1.3、geodist：

• 檢視兩個城市之間的直線距離

127.0.0.1:6379> geodist china:city beijing shanghai km   # 計算北京到上海的直線距離
"1067.3788"
127.0.0.1:6379> geodist china:city beijing chongqin km   # 計算北京到重慶的直線距離
"1464.0708"
127.0.0.1:6379> 

           

北京到上海的直線距離，百度查詢 1088

說明還是有誤差

1.4、georadius：

• 以xx為中心，xx為半徑，找尋半徑記憶體在的資料
• 這裡無法使用錄入的城市資料名為中心

127.0.0.1:6379> georadius china:city 110 30 1000 km  # 查找以經度110 緯度30為中心，1000km為半徑的 ，china:city裡面符合條件的資料
1) "chongqin"
2) "xian"
3) "shenzhen"
4) "hangzhou"
127.0.0.1:6379> 

           

1.5、georadiusbymember：

• 找到成員的距離,城市之間的定位
• 找出位于指定元素周圍的其他元素
• 注意對比georadius

127.0.0.1:6379> georadiusbymember china:city shanghai 1000 km  # 以china:city 中的城市 上海為中心，半徑為1000km ，查找china:city 裡面在1000km裡面的城市
1) "hangzhou"
2) "shanghai"
127.0.0.1:6379> georadiusbymember china:city beijing 500 km  # 以china:city 中的城市 北京為中心，半徑為500km ，查找china:city 裡面在500km裡面的城市
1) "beijing"
127.0.0.1:6379> 

           

1.6、geohash：

• geohash 指令，傳回一個或者多個元素的geohash表示
• 該指令傳回11個字元串的geohash字元串
• 将二維的經緯度，轉換為1維的字元串，如果2個字元越接近，那麼則距離越近！

127.0.0.1:6379> geohash china:city beijing shanghai chongqin  # 将china:city裡面城市坐标的經緯度，轉換為11為的hash字元串
1) "wx4fbxxfke0"
2) "wtw3sj5zbj0"
3) "wm5xzrybty0"
127.0.0.1:6379> 

           

• geo底層的實作原理就是Zset！ 我們可以使用Zset指令來操作geo
• 删除城市資料zrem

127.0.0.1:6379> zrange china:city 0 -1   # 檢視所有城市
1) "chongqin"
2) "xian"
3) "shenzhen"
4) "hangzhou"
5) "shanghai"
6) "beijing"
127.0.0.1:6379> zrange china:city 1 3   
1) "xian"
2) "shenzhen"
3) "hangzhou"
127.0.0.1:6379> zrangebyscore china:city -inf +inf  # 升序排列
1) "chongqin"
2) "xian"
3) "shenzhen"
4) "hangzhou"
5) "shanghai"
127.0.0.1:6379>  zrem china:city chongqin  # 删除城市的資料
(integer) 1
127.0.0.1:6379> zrange china:city 0 -1
1) "xian"
2) "shenzhen"
3) "hangzhou"
4) "shanghai"
5) "beijing"
127.0.0.1:6379> 


           

2.hyperloglog(基數統計)

• 什麼是基數？

  a{1,3,5,7,9}

  b{1,2,3,4,5,6}

• 基數：不重複的元素 ：ab的基數是12345679 ，hyperloglog允許接受誤差！

簡介

• Redis 2.8.9 版本就更新了Hypeloglog資料結構！
• Hypeloglog 是用來做基數統計的算法！
• 網頁的UV （一個人通路一個網站，算做一次，但是一個人多次同時通路一個網站，我們也隻算作是一個人）
• 傳統的方式 set 儲存使用者的id 然後就可以統計set中的元素數量作為标準判斷！
• 這個方式儲存大量的使用者id就會比較麻煩，我們的目的是為了計數，而不是為了儲存使用者id

優點 ：

占用的記憶體是固定的 2^64 不同元素的計數，隻需要12KB的記憶體，如果要從記憶體角度來比較的話，hyperloglog首選

0.81% 錯誤率 統計uv任務，可以忽略不計的！

如果不允許容錯，就别用它

2.1 、pfadd

• 添加資料

127.0.0.1:6379> pfadd myhyperloglog1 a b c d e f g h i j  # 存入資料到myhyperloglog1
(integer) 1
127.0.0.1:6379> pfadd myhyperloglog2 i j k l m n o p q r  # 存入資料到myhyperloglog2
(integer) 1
127.0.0.1:6379> 

           

2.2 、pfcount

• 檢視資料

127.0.0.1:6379> pfcount myhyperloglog1   # 檢視myhyperloglog1裡面的資料有多少個不重複的
(integer) 10
127.0.0.1:6379> pfcount myhyperloglog2
(integer) 10
127.0.0.1:6379> pfadd myhyperloglog3 i j k l m n o p q r i i i i 
(integer) 1
127.0.0.1:6379> pfcount myhyperloglog3 # 檢視myhyperloglog3裡面的資料有多少個不重複的
(integer) 10
127.0.0.1:6379> 


           

2.3 、pfmerge

• 将兩個基數合并在一起，成為一個基數

127.0.0.1:6379> pfmerge heti myhyperloglog1 myhyperloglog2  # 将myhyperloglog1 myhyperloglog2合并到heti裡面，heti也是基數
OK
127.0.0.1:6379> pfcount heti  # 檢視裡面有多少個資料
(integer) 18
127.0.0.1:6379> 

           

3.bitmaps

位存儲用處：

疫情：0000000，如果被感染 寫為1 統計疫情感染人數，

統計使用者資訊 ，活躍 不活躍

登陸 ， 沒登入 打卡365 打卡

兩個狀态的都可以使用bitmaps

bitmaps位圖，資料結構，都是操作二進制位來進行記錄，就隻有0 1 兩個狀态

365天 = 365bit 1位元組 = 8 bit 46個位元組左右

3.1、setbit

• 打個比方登記打卡

127.0.0.1:6379> setbit sign 0 1   # 第1天打卡成功
(integer) 0
127.0.0.1:6379> setbit sign 1 0   # 第2天打卡失敗
(integer) 0
127.0.0.1:6379> setbit sign 2 1   # 第3天打卡成功
(integer) 0
127.0.0.1:6379> setbit sign 3 1   # 第4天打卡成功
(integer) 0
127.0.0.1:6379> setbit sign 4 0   # 第5天打卡失敗
(integer) 0
127.0.0.1:6379> setbit sign 5 1   # 第6天打卡成功
(integer) 0
127.0.0.1:6379> setbit sign 6 1   # 第7天打卡成功
(integer) 0
127.0.0.1:6379> 

           

3.2、getbit

• 檢視當天打卡情況

127.0.0.1:6379> getbit sign 3   #第四天打卡成功
(integer) 1
127.0.0.1:6379> getbit sign 1   #第二天打卡失敗
(integer) 0
127.0.0.1:6379> 

           

3.3、bitcount

• 檢視一段時間内的打卡情況

127.0.0.1:6379> bitcount sign 0 6    # 一周内打卡成功4天
(integer) 4
127.0.0.1:6379> bitcount sign 1 4   # 周二到周五 打卡
(integer) 0
127.0.0.1:6379>