关于redis:Redis高级数据类型HyperloglogBitmap快速带你上手

很多小伙伴在面试中都会被问道 Redis 的罕用数据结构有哪些？

可能很大一部分答复都是 string、hash、list、set、zset。当然啦，这个答案必定是没有错的，然而置信这个答案，面试官曾经听的耳朵都起茧了。

自身咱们抉择的这个行业竞争就极强，学历拼不过难道还要常识都拼不过吗？？？

心愿进来的小伙伴能好好看完这篇文章，也心愿你当前的答复能是罕用的数据结构有 string、hash、list、set、zset，但我平时可能还会用到 Hyperloglog 和 Bitmap。置信面试官听到你的答复，会有眼前一亮的感觉！

话不多说，开始吧，⬇

HyperLogLog 是一种概率数据结构，用来估算数据的基数。

<font size=”3″>** 基数：可简略了解为汇合中不同元素的个数，也能够了解为 Set
对于一个汇合 1、2、3、4，那么它的基数为 4
对于一个汇合 1、2、3、4、1，那么它的基数也是 4**

咱们能够应用它来统计 UV。

<font size=”3″>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。一台电脑早上拜访了一次，下午又拜访了一次，两次拜访的都是同一个网站，只能被计算一次。

那可能有小伙伴问了，及方才都说了能够了解为一个 Set，那我 为什么要用它来统计 UV？

**Redis 的 HyperLogLog 通过就义准确率来缩小内存空间的耗费，只须要 12K 内存，在标准误差 0.81% 的前提下，可能统计 2^64 个数据。而 Set 就须要耗费大量空间
所以 HyperLogLog 是否适宜在比方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，次要依赖于伯努利试验，各位小伙伴能够去百度理解理解。

pfadd \<key> [element]：增加数据
pfcount \<key>：统计数量

@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);
}

能够看到后果值为：19891 与实在值：20000 相差不了多少，虽说有误差，但相比于 set 曾经是很好了！

除此之外，在 SpringBoot 中还能够对多个 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

位图不是非凡的数据结构，它其实就是一般的字符串，也就是 byte 数组（有理解布隆过滤器的小伙伴可开展联想一下）

通过一个 bit 位来示意某个元素对应的值或者状态, 其中的 key 就是对应元素自身。

位操作分为两组：

固定工夫的单个位操作（如将一个位设置为 1 或 0 或获取其值）
对位组的操作，例如计算给定位范畴内设置的位的数量（例如，人口计数）。

位图的最大长处之一是，在 存储信息时，它们通常能够节俭大量空间。例如，在以增量用户 ID 示意不同用户的零碎中，仅应用 512 MB 内存就能够记住 40 亿用户的一位信息

应用场景

各种实时剖析。
存储与对象 ID 相关联的空间高效但高性能的布尔信息。

咱们能够应用它来统计 DAU。

<font size=”3″> == 日均沉闷用户数量 ==(Daily Active User，DAU)是用于反映网站、互联网利用或网络游戏的经营状况的统计指标。日沉闷用户数量通常统计一日（统计日）之内，登录或应用了某个产品的用户数（去除反复登录的用户）。

应用 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以后字符串长度，则该命令将主动放大字符串。
getbit 只是返回指定索引处的位的值。超出范围的位（寻址超出存储在指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 查找具备指定值 0 或 1 的第一位。

@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));

}

我是 Code 皮皮虾，一个酷爱分享常识的皮皮虾爱好者，将来的日子里会不断更新出对大家无益的博文，期待大家的关注！！！

创作不易，如果这篇博文对各位有帮忙，心愿各位小伙伴能够 == 点赞和关注我哦 ==，感激反对，咱们下次再见~~~

== 分享纲要 ==

大厂面试题专栏

Java 从入门到入坟学习路线目录索引

开源爬虫实例教程目录索引

关注公众号，更多精彩内容尽在其中！！！

关于redis:Redis高级数据类型HyperloglogBitmap快速带你上手

前言

Hyperloglog

Hyperloglog 简介

Hyperloglog 作用

命令行中的应用

SpringBoot 中的应用

Bitmap

Bitmap 简介

Bitmap 作用

命令行应用 Bitmap

SpringBoot 应用 Bitmap

尾言