前言
很多小伙伴在面试中都会被问道 Redis的常用数据结构有哪些？
可能很大一部分回答都是 string、hash、list、set、zset。当然啦，这个答案肯定是没有错的，但是相信这个答案，面试官已经听的耳朵都起茧了。
本身我们选择的这个行业竞争就极强，学历拼不过难道还要知识都拼不过吗？？？
希望进来的小伙伴能好好看完这篇文章，也希望你以后的回答能是 常用的数据结构有string、hash、list、set、zset，但我平时可能还会用到 Hyperloglog和Bitmap。相信面试官听到你的回答，会有眼前一亮的感觉！
话不多说，开始吧，
Hyperloglog
Hyperloglog简介
HyperLogLog是一种概率数据结构，用来估算数据的基数。
基数：可简单理解为集合中不同元素的个数，也可以理解为Set
对于一个集合 1、2、3、4，那么它的基数为 4
对于一个集合 1、2、3、4、1，那么它的基数也是 4
Hyperloglog作用
我们可以使用它来统计 UV。
UV即：UniqueVisitor，UV指的是独立访客的数量，一台电脑被视为一个独立访客。一台电脑早上访问了一次，下午又访问了一次，两次访问的都是同一个网站，只能被计算一次。
那可能有小伙伴问了，及刚才都说了可以理解为一个Set，那我为什么要用它来统计UV？
Redis 的 HyperLogLog 通过牺牲准确率来减少内存空间的消耗，只需要12K内存，在标准误差0.81%的前提下，能够统计2^64个数据。而Set就需要消耗大量空间
所以 HyperLogLog 是否适合在比如统计区间活跃度这样对精度要求不高的场景。
为什么能这么存储，主要依赖于伯努利试验，各位小伙伴可以去百度了解了解。
命令行中的使用
- pfadd <key> [element]：添加数据
- pfcount <key>：统计数量
SpringBoot中的使用
- @Test
- public void testHyperloglog() {
- String key = "language";
- for (int i = 1; i <= 10000; i++) {
- redisTemplate.opsForHyperLogLog().add(key,i);
- }
- for (int i = 5000; i <= 15000; i++) {
- redisTemplate.opsForHyperLogLog().add(key,i);
- }
- for (int i = 10000; i <= 20000; i++) {
- redisTemplate.opsForHyperLogLog().add(key,i);
- }
- long size = redisTemplate.opsForHyperLogLog().size(key);
- System.out.println(size);
- }
可以看到结果值为：19891与真实值：20000相差不了多少，虽说有误差，但相比于set已经是很好了！
除此之外，在SpringBoot中还可以对多个key进行合并，统计合并之后的数据量
- @Test
- public void testHyperloglog() {
- String key1 = "language1";
- String key2 = "language2";
- String key3 = "language3";
- String unionKey = "language";
- for (int i = 1; i <= 10000; i++) {
- redisTemplate.opsForHyperLogLog().add(key1,i);
- }
- for (int i = 5000; i <= 15000; i++) {
- redisTemplate.opsForHyperLogLog().add(key2,i);
- }
- for (int i = 10000; i <= 20000; i++) {
- redisTemplate.opsForHyperLogLog().add(key3,i);
- }
- redisTemplate.opsForHyperLogLog().union(unionKey,key1,key2,key3);
- long size = redisTemplate.opsForHyperLogLog().size(unionKey);
- System.out.println(size);
- }
可见，数据还是19891
Bitmap
Bitmap简介
位图不是特殊的数据结构，它其实就是普通的字符串，也就是 byte 数组（有了解布隆过滤器的小伙伴可展开联想一下）
通过一个bit位来表示某个元素对应的值或者状态,其中的key就是对应元素本身。
位操作分为两组：
- 固定时间的单个位操作（如将一个位设置为1或0或获取其值）
- 对位组的操作，例如计算给定位范围内设置的位的数量（例如，人口计数）。
位图的最大优点之一是，在存储信息时，它们通常可以节省大量空间。例如，在以增量用户ID表示不同用户的系统中，仅使用512 MB内存就可以记住40亿用户的一位信息
Bitmap作用
使用场景
- 各种实时分析。
- 存储与对象ID相关联的空间高效但高性能的布尔信息。
我们可以使用它来统计 DAU。
日均活跃用户数量(Daily Active User，DAU)是用于反映网站、互联网应用或网络游戏的运营情况的统计指标。日活跃用户数量通常统计一日（统计日）之内，登录或使用了某个产品的用户数（去除重复登录的用户）。
命令行使用Bitmap
使用 setbit 和 getbit 命令设置和检索位：
- setbit命令将位号作为其第一个参数，将其设置为1或0的值作为其第二个参数。如果所寻址的位超出当前字符串长度，则该命令将自动放大字符串。
- getbit 只是返回指定索引处的位的值。超出范围的位（寻址超出存储在目标键中的字符串长度的位）始终被视为零。
在位组上还有以下三个命令：
- bitop 在不同的字符串之间执行按位运算。提供的运算为AND，OR，XOR和NOT。
- bitcount 执行填充计数，报告设置为1的位数。
- bitpos 查找具有指定值0或1的第一位。
SpringBoot使用Bitmap
- @Test
- public void testBitmap() {
- String key = "bitmap";
- redisTemplate.opsForValue().setBit(key,1,true);
- redisTemplate.opsForValue().setBit(key,4,true);
- redisTemplate.opsForValue().setBit(key,2,true);
- redisTemplate.opsForValue().setBit(key,5,true);
- System.out.println(redisTemplate.opsForValue().getBit(key,2));
- System.out.println(redisTemplate.opsForValue().getBit(key,3));
- System.out.println(redisTemplate.opsForValue().getBit(key,5));
- }
尾言
到此这篇关于Redis高级数据类型Hyperloglog、Bitmap的使用的文章就介绍到这了,更多相关Redis Hyperloglog、Bitmap内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
