Redis三种特殊数据类型之Geospatial(地理空间)、Hyperloglog(基数)、Bitmaps(位存储)

一、Geospatial(地理空间)

Geospatial(地理空间)主要应用在朋友的定位、附近的人、打车距离计算

GEOADD 将指定的地理空间位置（纬度、经度、名称）添加到指定的key中

localhost:2>geoadd china:city 116.40 31.23 beijing
"1"
localhost:2>geoadd china:city 121.47 31.23 shanghai
"1"
localhost:2>geoadd china:city 106.50 29.53 chongqing 114.05 22.52 shengzhen
"2"
localhost:2>geoadd china:city 120.16 30.24 hangzhou 108.96 34.26 xian
"2"

GEOPOS 从key里返回所有给定位置元素的位置（经度和纬度）

localhost:2>GEOPOS china:city beijing #查看北京的经纬度
1) 1) "116.39999896287918"
   2) "31.229999039757836"

localhost:2>GEOPOS china:city beijing hangzhou
1) 1) "116.39999896287918"
   2) "31.229999039757836"

2) 1) "120.16000002622604"
   2) "30.240000322949022"

GEODIST 返回两个给定位置之间的距离

localhost:2>GEODIST china:city hangzhou shanghai m #获取杭州到上海的距离（米）
"166761.2770"
localhost:2>GEODIST china:city hangzhou shanghai km
"166.7613"

m 表示单位为米。
km 表示单位为千米。
mi 表示单位为英里。
ft 表示单位为英尺。

GEORADIUS 以给定的经纬度为中心，找出某一半径内的元素

#查询以 110E 30N为中心 半径为1000km的城市
localhost:2>GEORADIUS china:city 110 30 1000 km 
1) "chongqing"
2) "xian"
3) "shengzhen"
4) "beijing"
5) "hangzhou"
#查询以 110E 30N为中心 半径为500km的城市
localhost:2>GEORADIUS china:city 110 30 500 km
1) "chongqing"
2) "xian"

#查询以 110E 30N为中心 半径为500km的城市并获取所间隔的距离
localhost:2>GEORADIUS china:city 110 30 500 km withdist
1) 1) "chongqing"
   2) "341.9374"

2) 1) "xian"
   2) "483.8340"

#查询以 110E 30N为中心 半径为500km的城市并获取城市的经纬度
localhost:2>GEORADIUS china:city 110 30 500 km withcoord
1) 1) "chongqing"
   2) 1) "106.49999767541885"
      2) "29.529999579006592"


2) 1) "xian"
   2) 1) "108.96000176668167"
      2) "34.2599996441893"


#查询以 110E 30N为中心 半径为500km的城市并获取城市的经纬度和距离 筛选指定的数量
localhost:2>GEORADIUS china:city 110 30 500 km withdist withcoord count 1
1) 1) "chongqing"
   2) "341.9374"
   3) 1) "106.49999767541885"
      2) "29.529999579006592"

GEORADIUSBYMEMBER 找出位于指定范围内的元素，中心点是由给定的位置元素决定

localhost:2GEORADIUSBYMEMBER china:city shanghai 400 km
1) "hangzhou"
2) "shanghai"

GEOHASH 返回一个或多个位置元素

该命令将返回11个字符的geohash字符串

将二维的经纬度转换为一堆的字符串，如果两个字符串越接近，那么距离越近

localhost:2>geohash china:city beijing chongqing
1) "wtdc8tpzut0"
2) "wm5xzrybty0"

GEO的底层原理其实是Zset 我们可以使用Zset命令来操作geo

localhost:2>zrange china:city 0 -1  #查看全部的元素
1) "chongqing"
2) "xian"
3) "shengzhen"
4) "beijing"
5) "hangzhou"
6) "shanghai"
localhost:2>zrem china:city xian #去除其中指定的元素
"1"
localhost:2>zrange china:city 0 -1
1) "chongqing"
2) "shengzhen"
3) "beijing"
4) "hangzhou"
5) "shanghai"

二、Hyperloglog(基数)

Redis Hyperloglog 基数统计的算法

优点：占用的内存是固定的，2^64不同元素的基数，只需要12KB的内存。如果从内存角度来比较的话 Hyperloglog是首选

网页的UV访问量（一个人访问一个网站多次，但是还是算作一个人）

传统的方式，set保存用户的id，然后就可以统计set中的元素数量作为判断标准

这个方式如果保存大量的用户id，就会比较麻烦我们的目的是为了计数，而不是为了保存用户id

扫描二维码关注公众号，回复： 13181399 查看本文章

允许0.81*%的错误率，统计UV任务时，是可以忽略不计的

localhost:2> pfadd mykey a b c d e f g h i j  #创建第一组元素
"1"
localhost:2>pfcount mykey   #统计mykey元素的基数数量
"10"
localhost:2>pfadd mykey2 i j z x l m n   #创建第二组元素
"1"
localhost:2>pfcount mykey2
"7" 
localhost:2>PFMERGE mykey3 mykey mykey2  #合并两组 mykey mykey2 --> mykey3
"OK"
localhost:2>pfcount mykey3
"15"

三、Bitmaps（位存储）

统计用户信息：活跃、不活跃！登录、不登录！打卡记录使用两个状态来记录的话，都可以使用Bitmaps

Bitmaps位图，数据结构，都是操作二进制来进行记录就只有0和1两个状态

365天 = 365 bit 1字节= 8bit 46个字节左右

我是听狂神的课并进行记录。狂神说的非常好，大家快去学狂神说Java

Redis三种特殊数据类型之Geospatial(地理空间)、Hyperloglog(基数)、Bitmaps(位存储)

Redis三种特殊数据类型之Geospatial(地理空间)、Hyperloglog(基数)、Bitmaps(位存储)

一、Geospatial(地理空间)

二、Hyperloglog(基数)

三、Bitmaps（位存储）

猜你喜欢