数据结构

string

用于kv存储，使用方式如下：
set key1 value1（设置kv）
get key1（获取key）

hash

用于结构化数据存储，使用方式如下：
hset key1 col1 value1 col2 value2 col3 vlaue3（初始化对象）
hget key1 col1（获取对象指定字段信息）
hgetall key1（获取对象全部信息）

list

用于存储列表，使用方式如下：
lpush key1 element1 element2 element3（左侧添加元素）
lpop key1（获取并移除左侧元素）
lrange key1 0 100（获取范围下标元素）
lindex key1 3（获取指定下标元素）

set

用于存储集合，使用方式如下：
sadd key1 element1 elemen2 element3（添加元素）
scard key1（获取集合数量）
smember key1（获取集合所有元素）
sismember key1 element1 （判断是否集合元素）

sorted set

用于存储可自定义权重的排序集合，使用方式如下：
zadd key1 score1 element1 score2 element2 score3 element3（添加元素）
zscore key1 element1（获取元素权重）
zrange key1 1 3（获取下标范围元素）
zrangebyscore key1 100 200（获取权重范围元素）

hyperloglog

计算海量元素的基数大小

用于计算distinct value，使用方式如下：
pfadd key1 element1 element2 element3 element4 element1（添加元素）
pfcount key1 （获取dv数量）
pfmerge key1 key2（将key2合并到key1，key2内容不变，key1内容存储合并内容）

通过k个hash函数将变量散列到m大小的列表上，散列到的位置置为1，所以存在一定误判概率，比如其他元素的置为1之后，某个元素的散列位置正好全部吻合，导致判断为存在，误判概率和元素数量和hash函数的质量和数量都有关系。但是判断不存在的结果是精确的。所以使用的时候要么容许正向误差，要么采用反向判断。

bloom filter

判断海量元素是否已经存在/不存在

bf.add（需要安装插件）

bitmap

存储大量元素（小于Integer.MAX）的boolean状态，并计数

用于存储大量二值数据，比如统计登录天数、统计文章阅读用户，使用方式如下：
setbit key1 offset 0/1（在指定bit位上设置01值）
getbit key1 offset（获取指定bit位上的值）
bitcount key1（获取key1下1值的数量)

hyperloglog和bloomfilter都是通过位处理减少特定场景需求的空间和时间消耗。

如何计算DAU

1. 如果uid<Integer.MAX且只统计注册用户，那么用bitmap offset用uid
2. 如果uid为long，或者要统计匿名用户（可以为匿名用户生成UUID并取hash值），那么用一个累加计数作为bitmap的offset，并通过bloomfilter来判断用户当日是否登录。
3. 如果允许非精确计数，通过hll。