winform的MessageBox提示弹窗

bash 批处理 先入门

  返回  

阶段六:Redis新数据类型

2021/7/21 9:03:29 浏览:


目录

一、Bigmaps:

简介:

命令:

setbit

getbit:

bitcount:

格式:

实例:

bitop:

Bigmaps与set对比:

二、HyperLogLog:

简介:

什么是基数?

命令:

pfadd:

pfcount:

pfmerge:

三、Geospatial:

命令:

geoadd:

geopos:

geodist:

georadius:


一、Bigmaps:

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:

  • 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。
  • 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。

命令:

setbit

格式:

setbit<key><offset><value>:设置Bitmaps中某个偏移量的值(0或1)

*offset:偏移量从0开始

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:20201106代表2020-11-06这天的独立访问用户的Bitmaps

注:

很多应用的用户id以一个指定数字(例如10000)开头,直接将用户id和Bitmaps的偏移量对应势必会造成一定的浪费,通常的做法是每次做setbit操作时将用户id减去这个指定数字。

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。

getbit:

格式

getbit<key><offset>: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)

实例:

获取id=8的用户是否在2020-11-06这天访问过,返回0说明没有访问过:

注:因为100根本不存在,所以也是返回0

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。

格式:

bitcount<key>[start end] :统计字符串从start字节到end字节比特值为1的数量

实例:

计算2022-11-06这天的独立访问用户数量

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。

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。

bitop:

格式:

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)操作并将结果保存在destkey中。

(2)实例

2020-11-04 日访问网站的userid=1,2,5,9。

setbit unique:users:20201104 1 1

setbit unique:users:20201104 2 1

setbit unique:users:20201104 5 1

setbit unique:users:20201104 9 1

2020-11-03 日访问网站的userid=0,1,4,9。

setbit unique:users:20201103 0 1

setbit unique:users:20201103 1 1

setbit unique:users:20201103 4 1

setbit unique:users:20201103 9 1

计算出两天都访问过网站的用户数量

bitop and unique:users:and:20201104_03

unique:users:20201103unique:users:20201104

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

Bigmaps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:

set和Bitmaps存储一天活跃用户对比

数据

类型

每个用户id占用空间

需要存储的用户量

全部内存量

集合

类型

64位

50000000

64位*50000000 = 400MB

Bitmaps

1位

100000000

1位*100000000 = 12.5MB

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

set和Bitmaps存储独立用户空间对比

数据类型

一天

一个月

一年

集合类型

400MB

12GB

144GB

Bitmaps

12.5MB

375MB

4.5GB

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。

set和Bitmaps存储一天活跃用户对比(独立用户比较少)

数据类型

每个userid占用空间

需要存储的用户量

全部内存量

集合类型

64位

100000

64位*100000 = 800KB

Bitmaps

1位

100000000

1位*100000000 = 12.5MB


二、HyperLogLog:

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:

  • 数据存储在MySQL表中,使用distinct count计算不重复个数
  • 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。

命令:

pfadd:

格式:

pfadd <key>< element> [element ...] :添加指定元素到 HyperLogLog 中

实例:

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。

pfcount:

格式

pfcount <key> [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:

实例:

pfmerge:

格式:

pfmerge <destkey><sourcekey> [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

实例:


三、Geospatial:

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。

命令:

geoadd:

格式:

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

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

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。

geopos:

格式:

geopos <key><member> [member...] : 获得指定地区的坐标值

实例:

geodist:

geodist<key><member1><member2> [m|km|ft|mi ] :获取两个位置之间的直线距离

实例:

获取两个位置之间的直线距离:

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

georadius:

格式:

georadius<key>< longitude><latitude>radius m|km|ft|mi:以给定的经纬度为中心,找出某一半径内的元素

经度 纬度 距离 单位

实例:

联系我们

如果您对我们的服务有兴趣,请及时和我们联系!

服务热线:18288888888
座机:18288888888
传真:
邮箱:888888@qq.com
地址:郑州市文化路红专路93号