引言
说起
redis
的数据结构，大家可能对五大基础数据类型比较熟悉:
String
，
Hash
List
Set
Sorted Set
。那么除此之外，还有三大衍生数据结构，大家平时是很少接触的，即：
bitmaps
、
hyperloglog
geo
另外，我觉得，这三个数据结构，只能说是锦上添花。真正在项目中，我还真没用过。
下面大家来看看这三大数据结构的定义和用途
bitmaps
定义
说到这个
bitmaps
，其实它就是
String
，但它可以对
String
的位进行操作。然后呢，这个位操作，有自己的命令，所以和操作
String
的
redis
命令又不大一样！
可以这么理解
bitmaps为一个以位为单位的数组，数组的每个单元只能存储0和1
下面举个例子，比如我们要做一个set操作，
key
为
w
value
h
，那么执行如下命令
127.0.0.1:6379> set w h OK 127.0.0.1:6379> get w "h" 那么
h
的ASCII为
0110 1000
接下来，你可以用位命令
getbit
命令取出，取出每一位的内容。
127.0.0.1:6379> getbit w 0 #用getbit获取w第0位的值 (integer) 0 127.0.0.1:6379> getbit w 1 #用getbit获取w第1位的值 (integer) 1 127.0.0.1:6379> getbit w 2 #用getbit获取w第2位的值 (integer) 1 127.0.0.1:6379> getbit w 3 #用getbit获取w第3位的值 (integer) 0 用途
网上传言，此结构用来统计一定时间内的，活跃的用户数，使用
bitmap
的结构比传统的
set
结构省空间。然而，这种用途有很大的局限性，我后文会说到。先说一下，网上的说法。
假设有30个用户，其中有5个用户，在
2018-10-04
这天登陆了。假设这5个用户的userid=2，4，8，11，12。
那么，我们假设key为
users:2018-10-04
，将其
value
值用于记录用户登陆信息。那么为了记录上述5个用户登陆过，我们将该
value
值的第2位，第4位，第8位，第11位，第12位设为1，即执行下述命令
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 这个时候，比如你要判断userid=11的用户，在2018-10-04这天，有没有登陆过，就执行下述命令
127.0.0.1:6379> getbit users:2018-10-04 11 (integer) 1 结果为1，就代表用户登陆过。如果返回结果为0，则代表用户没登陆过。
如果要统计，2018-10-04，这一天登陆的用户数，可以执行下面的命令
127.0.0.1:6379> bitcount users:2018-10-04 (integer) 5 上面的命令就可以统计出，2018-10-04，这一天5个用户登陆过。
ok，到这里大家就查不多能明白了。
先说一下，这里的
userid=2，4，8，11，12
，可以理解为偏移量。比如实际项目中的userid位1000002,那么偏移量就是2。大家在项目中，可以灵活变通。
然而这种方式有一个局限性。我们在实际项目中，如果userid是使用uuid生成的，那么，你要如何根据这些userid生成偏移量？莫非你还要去找一个hash函数，生成偏移量？就算找到了相应的hash函数，你能确保一定不发生hash碰撞，导致偏移量一致？
所以，大家了解即可。
HyperLogLog
HyperLogLog
并不是一种数据结构，而是一种算法，可以利用极小的内存空间完成独立总数的统计。
其实，大家可能对该算法比较陌生。我们
java
中有一个库叫
stream-lib
，其中也实现了
HyperLogLog
算法。我大概说一下该算法的原理，我不想去长篇大论的搬出数学论文来，大家看着也无聊，这里
Hyper
指的是超级的意思，它的前世是LogLog算法。这里博主蜻蜓点水的装13一下，大家能领悟到精髓即可。
假设有如下对话
我:"小曲啊，假设啊，我一轮丢5次硬币，丢了很多轮之后，发现这几轮中，最多出现连续的2次反面1次正面，你能猜出来我丢了多少轮么！"
小曲:"应该没几轮吧，顶多就七八轮。"
我:"卧槽，这么机智，怎么算的?"
小曲:"很简单啊，正反面概率都是1/2,连着二次反面，一次正面。不就是1/21/21/2么！"
我:"那要是最多出现连续的4次反面1次正面呢？"
小曲:"那应该是很多很多轮吧！"
我:"果然机智！"
上述聊天，出自我和同事曲之间的，日常互吹！如有雷同，纯属巧合！
好了，原理讲完了！只是他的估算算法比较复杂！没这么简单而已！而且这么估，误差还比较大！下面给出算法的伪代码。
输入：一个集合 输出：集合的独立总数 算法： max = 0 对于集合中的每个元素： hashCode = hash(元素) num = hashCode二进制表示中最前面连续的0的数量 if num > max: max = num 最后的结果是2的(max + 1)次幂 需要说明的是
hashCode = hash(元素) 就是把你的输入元素，映射成二进制长串。映射成二进制长串后，就可以类比到我最先说的抛硬币的结果了。至于最后的结果为什么用
(max+1)
，大家可以去查文献。毕竟这文章是在讲
redis
，不是在讲这个算法。而且这个算法，后面还经过了一系列演进，比如将入参集合分为m个部分，然后将
m
个部分的结果求一个平均数
(avg)
，最后以2的
(avg + 1)
次幂，来估计独立总数！这些读者有兴趣可以自行查询！
这个结构可以非常省内存的去统计各种计数，比如注册
IP
数、每日访问
IP
数。当然，存在误差！Redis官方给出的数字是0.81%的失误率。
用法也很简单如下所示
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 上面就是演示了，2018-10-04这天，约4个ip登陆了系统！
网上有一张和传统集合结构的占用空间对比图，贴出来，给大家看看
注意了，再强调一次，使用此结构是存在误差的！比如你
pfadd
了一百万条数据进去，结果
pfcount
的结果可能就999756条！
Geo
Geo可以用于存储经纬度、计算两地之间的距离、范围计算等。其底层实现是zset。
主要有以下六组命令
-
geoadd
-
geopos
-
geodist
-
georadius
-
georadiusbymember
-
geohash
我这里直接贴官网文档的例子，大家有兴趣可以自行查询.
首先，先给key增加两个坐标
redis> GEOADD Sicily 13.361389 38.115556 "Palermo" 15.087269 37.502669 "Catania" (integer) 2 其次，计算两个坐标之间的举例
redis> GEODIST Sicily Palermo Catania "166274.15156960039" 最后，计算距离经纬度
(15,37)
距离
100km
和
200km
范围内的坐标有哪些
redis> GEORADIUS Sicily 15 37 100 km 1) "Catania" redis> GEORADIUS Sicily 15 37 200 km 1) "Palermo" 2) "Catania" 总结，我目前还没涉及到和地图有关的业务，因此该结构用的还比较少。大家根据项目具体需求使用即可！
作者：孤独烟
出处： http://rjzheng.cnblogs.com/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。如果觉得还有帮助的话，可以点一下右下角的【推荐】。