mirror of
https://github.com/Snailclimb/JavaGuide
synced 2025-06-16 18:10:13 +08:00
227 lines
11 KiB
Markdown
227 lines
11 KiB
Markdown
---
|
||
title: Redis 3 种特殊数据类型详解
|
||
category: 数据库
|
||
tag:
|
||
- Redis
|
||
head:
|
||
- - meta
|
||
- name: keywords
|
||
content: Redis常见数据类型
|
||
- - meta
|
||
- name: description
|
||
content: Redis特殊数据类型总结：HyperLogLogs（基数统计）、Bitmap （位存储）、Geospatial (地理位置)。
|
||
---
|
||
|
||
除了 5 种基本的数据类型之外，Redis 还支持 3 种特殊的数据类型：Bitmap、HyperLogLog、GEO。
|
||
|
||
## Bitmap （位图）
|
||
|
||
### 介绍
|
||
|
||
根据官网介绍：
|
||
|
||
> Bitmaps are not an actual data type, but a set of bit-oriented operations defined on the String type which is treated like a bit vector. Since strings are binary safe blobs and their maximum length is 512 MB, they are suitable to set up to 2^32 different bits.
|
||
>
|
||
> Bitmap 不是 Redis 中的实际数据类型，而是在 String 类型上定义的一组面向位的操作，将其视为位向量。由于字符串是二进制安全的块，且最大长度为 512 MB，它们适合用于设置最多 2^32 个不同的位。
|
||
|
||
Bitmap 存储的是连续的二进制数字（0 和 1），通过 Bitmap, 只需要一个 bit 位来表示某个元素对应的值或者状态，key 就是对应元素本身 。我们知道 8 个 bit 可以组成一个 byte，所以 Bitmap 本身会极大的节省储存空间。
|
||
|
||
你可以将 Bitmap 看作是一个存储二进制数字（0 和 1）的数组，数组中每个元素的下标叫做 offset（偏移量）。
|
||
|
||
|
||
|
||
### 常用命令
|
||
|
||
| 命令 | 介绍 |
|
||
| ------------------------------------- | ---------------------------------------------------------------- |
|
||
| SETBIT key offset value | 设置指定 offset 位置的值 |
|
||
| GETBIT key offset | 获取指定 offset 位置的值 |
|
||
| BITCOUNT key start end | 获取 start 和 end 之间值为 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
|
||
> SETBIT mykey 7 1
|
||
(integer) 0
|
||
> SETBIT mykey 7 0
|
||
(integer) 1
|
||
> GETBIT mykey 7
|
||
(integer) 0
|
||
> SETBIT mykey 6 1
|
||
(integer) 0
|
||
> SETBIT mykey 8 1
|
||
(integer) 0
|
||
# 通过 bitcount 统计被被设置为 1 的位的数量。
|
||
> BITCOUNT mykey
|
||
(integer) 2
|
||
```
|
||
|
||
### 应用场景
|
||
|
||
**需要保存状态信息（0/1 即可表示）的场景**
|
||
|
||
- 举例：用户签到情况、活跃用户情况、用户行为统计（比如是否点赞过某个视频）。
|
||
- 相关命令：`SETBIT`、`GETBIT`、`BITCOUNT`、`BITOP`。
|
||
|
||
## HyperLogLog（基数统计）
|
||
|
||
### 介绍
|
||
|
||
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：
|
||
|
||
- **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。
|
||
|
||
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) 。
|
||
|
||
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) 。
|
||
|
||
除了 HyperLogLog 之外，Redis 还提供了其他的概率数据结构，对应的官方文档地址：<https://redis.io/docs/data-types/probabilistic/> 。
|
||
|
||
### 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 (地理位置)
|
||
|
||
### 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。
|
||
|
||
|
||
|
||
### 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` 。
|
||
|
||
## 总结
|
||
|
||
| 数据类型 | 说明 |
|
||
| ---------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||
| Bitmap | 你可以将 Bitmap 看作是一个存储二进制数字（0 和 1）的数组，数组中每个元素的下标叫做 offset（偏移量）。通过 Bitmap, 只需要一个 bit 位来表示某个元素对应的值或者状态，key 就是对应元素本身 。我们知道 8 个 bit 可以组成一个 byte，所以 Bitmap 本身会极大的节省储存空间。 |
|
||
| HyperLogLog | 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。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%` ）。 |
|
||
| Geospatial index | 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。 |
|
||
|
||
## 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>
|
||
|
||
<!-- @include: @article-footer.snippet.md -->
|