Redis之bitmaps，hyperloglog，geo

redis三大功能

redis除了咱们经常使用的5中基本数据类型，在此基础上，还提供了一些特殊的功能模块。这里介绍如下三种：bitmaps，hyperloglog，geo。

bitmaps

• 概述

  redis中的bitmaps(位图)不是实际的数据类型，而是在String类型上定义的一组面向位的操做。因为字符串是二进制安全blob，而且它们的最大长度为512 MB，所以它们适合设置最多2^32个不一样的位。位图的最大优点之一是它们在存储信息时一般能够节省大量空间。例如，在经过增量用户ID表示不一样用户的系统中，可使用仅512MB的存储器记住40亿用户的单个位信息

• 使用场景

  活跃用户数统计：假设一个系统天天有100万独立用户登陆。

  需求1：统计每周的活跃用户数。

  需求2：统计一周天天都登陆了用户数。

  分析，须要存储每一个用户的每一天的登陆信息

• 经常使用命令

  setbit key offset value
  bitop   在不一样的字符串之间执行逐位操做。提供的操做是AND，OR，XOR和NOT。
  bitcount  执行填充计数，报告设置为1的位数。
  bitpos   查找具备指定值0或1的第一个位。
  复制代码

• 代码

  //TODO
  public class BitMapTest {
  
      public static void main(String[] args) {
          //链接本地的 Redis 服务
          Jedis jedis = new Jedis("localhost");
          //初始化id为0-99的签到状况
          IntStream.range(0, 100).forEach((id) -> {
                      jedis.setbit("星期" + id % 7, id, true);
                  }
          );
          //id的为10的用户，天天都登陆了的。
          for (int i = 0; i < 7; i++) {
              jedis.setbit("星期" + i , 10, true);
          }
  
          for (int i = 0; i < 7; i++) {
              System.out.println(String.format("星期%s 的活跃用户数为%s",i, jedis.bitcount("星期" + i)));
          }
          jedis.bitop(BitOP.OR, "week","星期0", "星期1", "星期2", "星期3", "星期4", "星期5", "星期6");
          System.out.println(String.format("本周的活跃用户数为%s",jedis.bitcount("week")));
  
          jedis.bitop(BitOP.AND, "week1","星期0", "星期1", "星期2", "星期3", "星期4", "星期5", "星期6");
          System.out.println(String.format("本周天天都登陆的用户数%s",jedis.bitcount("week1")));
      }
  }
  复制代码

• 总结

  学习bitmap，咱们知道bitmap经过一个bit数组来存储特定数据的一种数据结构，每个bit位都能独立包含信息，bit是数据的最小存储单位，所以能大量节省空间。bitmap有一个很明显的优点是能够轻松合并多个统计结果，只须要对多个结果求与，或，异或等操做就能够。也能够大大减小存储内存，能够作个简单的计算，若是要统计1亿个数据的基数值，大约须要内存。

  数据类型	占用空间	储存的用户量	内存量
  set	32位	100000000	32*100000000/8/1024/1024≈ 381M
  bitMap	1位	100000000	100000000/8/1024/1024 ≈ 12M

hyperloglog

• 概述

  什么是基数？ 假设有个集合为（1,4,2,7,8,7）那么这个集合的基数为去重以后的元素个数，即为5。

  bitmap对于内存的节约量是显而易见的，但仍是不够。统计一个对象的基数值须要12M，若是统计10000个对象，就须要将近120G了，一样不能普遍用于大数据场景。

  redis中实现的HyperLogLog，只须要12K内存，在标准偏差0.81%的前提下，可以统计2^{64}个数据。HyperLogLog是一种几率算法，几率算法不直接存储数据集合自己，经过必定的几率统计方法预估基数值，这种方法能够大大节省内存，同时保证偏差控制在必定范围内。

• 经常使用命令

  pfadd key val1 val2 ...  
  pfcount key  统计基数
  复制代码

• 使用场景

  统计页面独立的UV，UV即对于某个页面，天天独立访问的用户数量，若是同一个用户屡次访问，只能算一次。

• 代码

  public class HyperLogLogTest {
      public static void main(String[] args) {
          //链接本地的 Redis 服务
          Jedis jedis = new Jedis("localhost");
          //初始化id为0-99的签到状况
          IntStream.range(0, 10000).forEach((id) -> {
              String userId = UUID.randomUUID().toString();
              jedis.pfadd("datetime:page1",userId);
                  }
          );
          System.out.println("经过hyperloglog几率算法估算出的UV："+jedis.pfcount("datetime:page1"));
      }
  }
  复制代码

• 总结

  hyperloglog是一种几率算法，是经过局部推算总体的一种算法，在不存储元素的状况下，用计算集合的基数，可是有必定的偏差。若是偏差在业务容忍的范围内。那么这一种很是节省内存的高效算法。

geo

• 概述

  在redis3.2版本，增长了Geo地理空间位置的计算功能。经过GEO咱们能够计算两个地理位置的距离，以及给定地理位置获取指定范围内的地理位置集合等

• 经常使用命令（使用redis3.2以后的版本才有geo功能）

  一、GEOADD：增长某个地理位置的坐标 二、GEOPOS：获取某个地理位置的坐标 三、GEODIST：获取两个地理位置的距离 四、GEORADIUS：根据给定地理位置坐标获取指定范围内的地理位置集合 五、GEORADIUSBYMEMBER：根据给定地理位置获取指定范围内的地理位置集合 六、GEOHASH：获取某个地理位置的 geohash 值

• 使用场景

  计算用户和商家的距离

• 代码

  public class GeoTest {
      public static void main(String[] args) {
          //链接本地的 Redis 服务
          Jedis jedis = new Jedis("localhost");
          //初始化4个门店的位置
          Map<String, GeoCoordinate> map=new HashMap<>();
          map.put("成华新风路专营店",new GeoCoordinate(104.11117,30.6846));
          map.put("青羊区东门街营业厅",new GeoCoordinate(104.05983,30.66685));
          map.put("武侯区一环路南三段营业厅",new GeoCoordinate(104.0614,30.63354));
          map.put("金牛区三洞桥专营店",new GeoCoordinate(104.04903,30.67408));
          jedis.geoadd("shop",map);
          GeoRadiusParam param=GeoRadiusParam.geoRadiusParam()
                  .withDist()//返回距离
                  .withCoord() //返回经纬度
                  .sortAscending();//根据距离升序排序;
          double userLongitude=104.045181;//用户的经度
          double userLatitude=30.688663;//用户的纬度
          //查询距离用户10千米范围内的营业点
          List<GeoRadiusResponse> shop = jedis.georadius("shop", userLongitude, userLatitude, 10, GeoUnit.KM,param);
          for (GeoRadiusResponse geoRadiusResponse : shop) {
              System.out.println(String.format("用户距离 %s (经度:%s,纬度:%s) 有%s 公里 ",
                      geoRadiusResponse.getMemberByString(),
                      geoRadiusResponse.getCoordinate().getLongitude(),
                      geoRadiusResponse.getCoordinate().getLatitude(),
                      geoRadiusResponse.getDistance()));
          }
      }
  }
  复制代码

• 总结

  redis的geo是经过 它只是假设地球是一个球体，由于使用的距离公式是Haversine公式。这个公式只是在应用于地球时的近似值，而地球不是一个完美的球体。在做为不是特别高的精度状况下，使用geo是一个不错的选择。