redis入门到精通系列（七）：redis高级数据类型详解（BitMaps,HyperLogLog,GEO）

高级数据类型和五种基本数据类型不同，并非新的数据结构。高级数据类型往往是用来解决一些业务场景。

(一)BitMaps

（1.1） BitMaps概述

在应用场景中，有一些数据只有两个属性，比如是否是学生，是否是党员等等，对于这些数据，最节约内存的方式就是用bit去记录，以是否是学生为例，1代表是学生，0代表不是学生。那么1000110就代表7个人中3个是学生，这就是BitMaps的存储需求。

Bitmaps是一个可以对位进行操作的字符串，我们可以把Bitmaps想象成是一串二进制数字，每个位置只存储0和1。下标是Bitmaps的偏移量（offset）

（1.2） BitMaps操作

获取指定key对应的偏移量上的bit值

getbit key offset

设置指定key对应偏移量上的bit值，value只能是1或0

setbit key offset value

对指定key按位进行交、并、非、异或操作，并把结果保存到destKey中






bitop and destKey key1 key2....  //交





bitop or destKey key1 key2....   //并





bitop not destKey key1 key2....  //非





bitop xor destKey key1 key2....  //异或

统计指定key中1的数量

bitcount key start end

（1.3） BitMaps应用场景

我们假设一家公司要统计他们所有注册会员的每日/每周/每年登陆网站的情况，就可以使用BitMaps。其中每日登陆会员数量的统计方法如下：建立一个key值为当前日期的BitMaps，当id为5的会员登陆时，设置偏移量为4（下标从0开始），将BitMaps偏移量为4的数设置为1，以此类推。统计每日登陆的会员数就用bitcount命令统计即可。

统计每周登陆会员数量的方法如下：对于统计每周登陆会员数，只需要将一周7天的数据使用并（or）操作计算即可。一个会员只要有一天的值等于1，那么并操作之后他的值就等于1，说明这一周他登陆了。再用bitcount统计即可。

(二)HyperLogLog

HyperLogLog是用来做基数统计的，所谓基数统计，就是指一串数字中不重复的数字个数，如{1，2，1，2，3}的基数就是3。

添加数据：

pfadd key element1 element2...

统计数据

pfcount key1 key2...

合并数据

pfmerge destkey sourcekey1 sourcekey2...

HyperLogLog使用问题：

首先HyperLogLog只能记录数据。

由于核心的基数估计算法，在数量很大时有0.81%的误差。

占用空间很小，每个hyperLogLog只占用12k的内存。

pfadd命令不是一次性分配12k的数据，会随着基数的增加内存逐渐增大。

pfmerge命令合并后占用的存储空间为12k，无论之前的数据量为多少。

(三)GEO

GEO是redis中关于地理位置计算的高级数据类型，比如微信中的附近好友会展示好友离你的距离，这就是GEO的一个应用。

添加坐标点：

geoadd key longitude latitude member [longitude latitude member...]

获取坐标点

geopos key member

计算坐标距离

geodist key member1 member2 [unit] unit表示单位，默认m,可以设置 km, ft, mi

为了简单起见我把横纵坐标用简单的数字表示

根据坐标求范围内的数据(withcoord显示坐标，withdist显示距离，withhash显示hash值，count count用来取范围)

georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]

根据点求范围内数据

georadiusbymember key member radius m|km|ft|mi  [withcoord] [withdist] [withhash] [count count]

获取指定点对应的坐标hash值

geohash key member1 member2...