mirror of
https://github.com/Snailclimb/JavaGuide
synced 2025-06-16 18:10:13 +08:00
[docs add ]Redis 3 种特殊数据结构详解
This commit is contained in:
guide
parent
a77eb04740
commit
c6bf96e3a5
@ -200,6 +200,7 @@ JVM 这部分内容主要参考 [JVM 虚拟机规范-Java8 ](https://docs.oracle
|
||||
|
||||
- [3种常用的缓存读写策略详解](docs/database/redis/3-commonly-used-cache-read-and-write-strategies.md)
|
||||
- [Redis 5 种基本数据结构详解](./docs/database/redis/redis-data-structures-01.md)
|
||||
- [Redis 3 种特殊数据结构详解](./docs/database/redis/redis-data-structures-02.md)
|
||||
- [Redis 内存碎片详解](./docs/database/redis/redis-memory-fragmentation.md)
|
||||
- [Redis 集群详解](./docs/database/redis/redis-cluster.md)
|
||||
|
||||
|
||||
@ -266,6 +266,7 @@ export const sidebarConfig = defineSidebarConfig({
|
||||
children: [
|
||||
"3-commonly-used-cache-read-and-write-strategies",
|
||||
"redis-data-structures-01",
|
||||
"redis-data-structures-02",
|
||||
"redis-memory-fragmentation",
|
||||
"redis-cluster",
|
||||
],
|
||||
|
||||
@ -3,6 +3,12 @@ title: Redis 5 种基本数据结构详解
|
||||
category: 数据库
|
||||
tag:
|
||||
- Redis
|
||||
head:
|
||||
- - meta
|
||||
- name: keywords
|
||||
content: Redis常见数据结构
|
||||
- name: description
|
||||
content: Redis基础数据结构总结：String（字符串）、List（列表）、Set（集合）、Hash（散列）、Zset（有序集合）
|
||||
---
|
||||
|
||||
你可以在 Redis 官网上找到 Redis 数据结构非常详细的介绍：
|
||||
|
||||
@ -3,6 +3,12 @@ title: Redis 3 种特殊数据结构详解
|
||||
category: 数据库
|
||||
tag:
|
||||
- Redis
|
||||
head:
|
||||
- - meta
|
||||
- name: keywords
|
||||
content: Redis常见数据结构
|
||||
- name: description
|
||||
content: Redis特殊数据结构总结：HyperLogLogs（基数统计）、Bitmap （位存储）、Geospatial (地理位置)。
|
||||
---
|
||||
|
||||
## Bitmap
|
||||
@ -24,7 +30,7 @@ Bitmap 存储的是连续的二进制数字（0 和 1），通过 Bitmap, 只需
|
||||
| BITCOUNT key start end | 获取 start 和 end 之前值为 1 的元素个数 |
|
||||
| BITOP operation destkey key1 key2 ... | 对一个或多个 Bitmap 进行运算，可用运算符有 AND, OR, XOR 以及 NOT |
|
||||
|
||||
|
||||
**Bitmap 基本操作演示** ：
|
||||
|
||||
```bash
|
||||
# SETBIT 会返回之前位的值（默认是 0）这里会生成 7 个位
|
||||
@ -54,35 +60,146 @@ Bitmap 存储的是连续的二进制数字（0 和 1），通过 Bitmap, 只需
|
||||
|
||||
### 介绍
|
||||
|
||||
`HyperLogLog` 是一种有名的基数计数概率算法 ，并不是 Redis 特有的，Redis 只是实现了这个算法并提供了一些开箱即用的 API。
|
||||
HyperLogLog 是一种有名的基数计数概率算法 ，基于 LogLog Counting(LLC)优化改进得来，并不是 Redis 特有的，Redis 只是实现了这个算法并提供了一些开箱即用的 API。
|
||||
|
||||
Redis 提供的 `HyperLogLog` 占用空间非常非常小，只需要 12k 的空间就能存储接近`2^64`个不同元素。这是真的厉害，这就是数学的魅力么！并且，Redis 对 HyperLogLog 的存储结构做了优化，采用两种方式计数：
|
||||
Redis 提供的 HyperLogLog 占用空间非常非常小，只需要 12k 的空间就能存储接近`2^64`个不同元素。这是真的厉害，这就是数学的魅力么！并且，Redis 对 HyperLogLog 的存储结构做了优化，采用两种方式计数：
|
||||
|
||||
- **稀疏矩阵** ：计数较少的时候，占用空间很小。
|
||||
- **稠密矩阵** ：计数达到某个阈值的时候，占用 12k 的空间。
|
||||
|
||||
不过， `HyperLogLog` 的计数结果并不是一个精确值，存在一定的误差（标准误差为 `0.81%` 。），这是由于它本质上是用概率算法导致的。
|
||||
Redis 官方文档中有对应的详细说明：
|
||||
|
||||
|
||||
|
||||
基数计数概率算法为了节省内存并不会直接存储元数据，而是通过一定的概率统计方法预估基数值（集合中包含元素的个数）。因此， HyperLogLog 的计数结果并不是一个精确值，存在一定的误差（标准误差为 `0.81%` 。）。
|
||||
|
||||
|
||||
|
||||
`HyperLogLog` 的使用非常简单，但原理非常复杂。`HyperLogLog` 的原理以及在 Redis 中的实现可以看这篇文章：[HyperLogLog 算法的原理讲解以及 Redis 是如何应用它的](https://juejin.cn/post/6844903785744056333) 。
|
||||
HyperLogLog 的使用非常简单，但原理非常复杂。HyperLogLog 的原理以及在 Redis 中的实现可以看这篇文章：[HyperLogLog 算法的原理讲解以及 Redis 是如何应用它的](https://juejin.cn/post/6844903785744056333) 。
|
||||
|
||||
再推荐一个可以帮助理解 HyperLogLog 原理的工具：[Sketch of the Day: HyperLogLog — Cornerstone of a Big Data Infrastructure](http://content.research.neustar.biz/blog/hll.html) 。
|
||||
|
||||
### 常用命令
|
||||
|
||||
HyperLogLog 相关的命令非常少，最常用的也就 3 个。
|
||||
|
||||
| 命令 | 介绍 |
|
||||
| ----------------------------------------- | ------------------------------------------------------------ |
|
||||
| PFADD key element1 element2 ... | 添加一个或多个元素到 HyperLogLog 中 |
|
||||
| PFCOUNT key1 key2 | 获取一个或者多个 HyperLogLog 的唯一计数。 |
|
||||
| PFMERGE destkey sourcekey1 sourcekey2 ... | 将多个 HyperLogLog 合并到 destkey 中，destkey 会结合多个源，算出对应的唯一计数。 |
|
||||
|
||||
**HyperLogLog 基本操作演示** ：
|
||||
|
||||
```bash
|
||||
> PFADD hll foo bar zap
|
||||
(integer) 1
|
||||
> PFADD hll zap zap zap
|
||||
(integer) 0
|
||||
> PFADD hll foo bar
|
||||
(integer) 0
|
||||
> PFCOUNT hll
|
||||
(integer) 3
|
||||
> PFADD some-other-hll 1 2 3
|
||||
(integer) 1
|
||||
> PFCOUNT hll some-other-hll
|
||||
(integer) 6
|
||||
> PFMERGE desthll hll some-other-hll
|
||||
"OK"
|
||||
> PFCOUNT desthll
|
||||
(integer) 6
|
||||
```
|
||||
|
||||
### 应用场景
|
||||
|
||||
**数量量巨大（百万、千万级别以上）的计数场景**
|
||||
|
||||
- 举例 ：热门网站每日/每周/每月访问 ip 数统计、热门帖子 uv 统计、
|
||||
- 相关命令 ：`PFADD`、`PFCOUNT` 。
|
||||
|
||||
## Geospatial index
|
||||
|
||||
地理空间数据管理。
|
||||
### 介绍
|
||||
|
||||
Geospatial index（地理空间索引，简称 GEO） 主要用于存储地理位置信息，基于 Sorted Set 实现。
|
||||
|
||||
通过 GEO 我们可以轻松实现两个位置距离的计算、获取指定位置附近的元素等功能。
|
||||
|
||||
|
||||
|
||||
## Stream
|
||||
### 常用命令
|
||||
|
||||
| 命令 | 介绍 |
|
||||
| ------------------------------------------------ | ------------------------------------------------------------ |
|
||||
| GEOADD key longitude1 latitude1 member1 ... | 添加一个或多个元素对应的经纬度信息到 GEO 中 |
|
||||
| GEOPOS key member1 member2 ... | 返回给定元素的经纬度信息 |
|
||||
| GEODIST key member1 member2 M/KM/FT/MI | 返回两个给定元素之间的距离 |
|
||||
| GEORADIUS key longitude latitude radius distance | 获取指定位置附近 distance 范围内的其他元素，支持 ASC(由近到远)、DESC（由远到近）、Count(数量) 等参数 |
|
||||
| GEORADIUSBYMEMBER key member radius distance | 类似于 GEORADIUS 命令，只是参照的中心点是 GEO 中的元素 |
|
||||
|
||||
**基本操作** ：
|
||||
|
||||
```bash
|
||||
> GEOADD personLocation 116.33 39.89 user1 116.34 39.90 user2 116.35 39.88 user3
|
||||
3
|
||||
> GEOPOS personLocation user1
|
||||
116.3299986720085144
|
||||
39.89000061669732844
|
||||
> GEODIST personLocation user1 user2 km
|
||||
1.4018
|
||||
```
|
||||
|
||||
通过 Redis 可视化工具查看 `personLocation` ，果不其然，底层就是 Sorted Set。
|
||||
|
||||
GEO 中存储的地理位置信息的经纬度数据通过 GeoHash 算法转换成了一个整数，这个整数作为 Sorted Set 的 score(权重参数)使用。
|
||||
|
||||
|
||||
|
||||
**获取指定位置范围内的其他元素** ：
|
||||
|
||||
```bash
|
||||
> GEORADIUS personLocation 116.33 39.87 3 km
|
||||
user3
|
||||
user1
|
||||
> GEORADIUS personLocation 116.33 39.87 2 km
|
||||
> GEORADIUS personLocation 116.33 39.87 5 km
|
||||
user3
|
||||
user1
|
||||
user2
|
||||
> GEORADIUSBYMEMBER personLocation user1 5 km
|
||||
user3
|
||||
user1
|
||||
user2
|
||||
> GEORADIUSBYMEMBER personLocation user1 2 km
|
||||
user1
|
||||
user2
|
||||
```
|
||||
|
||||
`GEORADIUS` 命令的底层原理解析可以看看阿里的这篇文章：[Redis 到底是怎么实现“附近的人”这个功能的呢？](https://juejin.cn/post/6844903966061363207) 。
|
||||
|
||||
**移除元素** ：
|
||||
|
||||
GEO 底层是 Sorted Set ，你可以对 GEO 使用 Sorted Set 相关的命令。
|
||||
|
||||
```bash
|
||||
> ZREM personLocation user1
|
||||
1
|
||||
> ZRANGE personLocation 0 -1
|
||||
user3
|
||||
user2
|
||||
> ZSCORE personLocation user2
|
||||
4069879562983946
|
||||
```
|
||||
|
||||
### 应用场景
|
||||
|
||||
**需要管理使用地理空间数据的场景**
|
||||
|
||||
- 举例：附近的人。
|
||||
- 相关命令: `GEOADD`、`GEORADIUS`、`GEORADIUSBYMEMBER` 。
|
||||
|
||||
## 参考
|
||||
|
||||
-
|
||||
- Redis Data Structures ：https://redis.com/redis-enterprise/data-structures/ 。
|
||||
- 《Redis 深度历险：核心原理与应用实践》1.6 四两拨千斤——HyperLogLog
|
||||
- 布隆过滤器,位图,HyperLogLog：https://hogwartsrico.github.io/2020/06/08/BloomFilter-HyperLogLog-BitMap/index.html
|
||||
@ -122,7 +122,9 @@ Redis 5.0 新增加的一个数据结构 `Stream` 可以用来做消息队列，
|
||||
- **5 种基础数据结构** ：String（字符串）、List（列表）、Set（集合）、Hash（散列）、Zset（有序集合）。
|
||||
- **3 种特殊数据结构** ：HyperLogLogs（基数统计）、Bitmap （位存储）、Geospatial (地理位置)。
|
||||
|
||||
关于 5 种基础数据类型的详细介绍请看这篇文章：[Redis 5 种基本数据结构详解](./redis-data-structures-01.md)。
|
||||
关于 5 种基础数据结构的详细介绍请看这篇文章：[Redis 5 种基本数据结构详解](./redis-data-structures-01.md)。
|
||||
|
||||
关于 3 种特殊数据结构的详细介绍请看这篇文章：[Redis 3 种特殊数据结构详解](./redis-data-structures-02.md)。
|
||||
|
||||
### String 的应用场景有哪些？
|
||||
|
||||
@ -199,6 +201,20 @@ Redis 中有一个叫做 `sorted set` 的数据结构经常被用在各种排行
|
||||
(integer) 2
|
||||
```
|
||||
|
||||
### 使用 HyperLogLog 统计页面 UV 怎么做？
|
||||
|
||||
1、将访问指定页面的每个用户 ID 添加到 `HyperLogLog` 中。
|
||||
|
||||
```bash
|
||||
PFADD PAGE_1:UV USER1 USER2 ...... USERn
|
||||
```
|
||||
|
||||
2、统计指定页面的 UV。
|
||||
|
||||
```bash
|
||||
PFCOUNT PAGE_1:UV
|
||||
```
|
||||
|
||||
## Redis 线程模型
|
||||
|
||||
### Redis 单线程模型了解吗？
|
||||
|
||||
Loading…
x
Reference in New Issue
Block a user