前言

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


Hyperloglog简介

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**


Hyperloglog作用

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。


命令行中的应用

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



SpringBoot中的应用

@Testpublic 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

@Testpublic 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


Bitmap作用

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）。


命令行应用Bitmap

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。


SpringBoot应用Bitmap

@Testpublic 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

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！！！