1. Bitmaps（本身并不是一个数据类型）

1. 基本概念

bit: 位
bitmaps: 可以进行位操作的字符串. bitmaps相当于是一个容器。key代表容器名，偏移量代表下标位置，值是下标对应的数值。
image.png
image.png

2. bitmaps的常见操作

1. setbit

  1. setbit<key><offset><value>设置Bitmaps中某个偏移量的值（0或1）
  3. *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：
image.png
语法： setbit key 偏移量 值
注意： key—-》当前容器的名字
eg: setbit users:20210101 1 1 解释： 将当前容器名（key）为 user:20210101 的容器的下标为1 处对应的值设置为1.
image.png

2. getbit

image.png
（2）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：
image.png
注：因为100根本不存在，所以也是返回0

3. 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。
（1）格式
bitcount[start end] 统计字符串从start字节到end字节比特值为1的数量
image.png

（2）实例
计算2022-11-06这天的独立访问用户数量
image.png
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。
image.png
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。

4. bitop 交集/并集/与或非

(1)格式
bitop and(or/not/xor) [key…]
image.png
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:20201103 unique:users:20201104
image.png
image.png
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
image.png

3. Bitmaps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

2. HyperLogLog—-基数操作

1. 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：
（1）数据存储在MySQL表中，使用distinct count计算不重复个数
（2）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。

2. 命令

2.1 pfadd

1）格式
pfadd < element> [element …] 添加指定元素到 HyperLogLog 中
image.png
eg: pfadd program “java”
pfadd program “php”
pfadd program “java”
pfadd program “java” “c++” “mysql”
将所有元素添加到指定HyperLogLog数据结构中。如果执行命令后program估计的近似基数发生变化，则返回1，否则返回0。

2.2 pfcount

（1）格式
pfcount [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
image.png
（2）实例
image.png

2.3 pfmerge

（1）格式
pfmerge [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
image.png
（2）实例
image.png

3. Geospatial

3.1 简介

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。

3.2 命令

3.2.1、geoadd

（1）格式
geoadd< longitude> [longitude latitude member…] 添加地理位置（经度，纬度，名称）
image.png
（2）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
image.png
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。

3.2.2 geopos

（1）格式
geopos [member…] 获得指定地区的坐标值
image.png
（2）实例
image.png

3.2.3 geodist

（1）格式
geodist [m|km|ft|mi ] 获取两个位置之间的直线距离
image.png
（2）实例
获取两个位置之间的直线距离
image.png
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

3.2.4 georadius

1）格式
georadius< longitude>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
image.png
经度纬度距离单位
（2）实例
image.png