閒扯一下redis的三大衍生資料結構
說起redis的資料結構，大家可能對五大基礎資料型別比較熟悉:String，Hash，List，Set，Sorted Set。那麼除此之外，還有三大衍生資料結構，大家平時是很少接觸的，即：bitmaps、hyperloglog、geo
另外，我覺得，這三個資料結構，只能說是錦上添花。真正在專案中，我還真沒用過。
下面大家來看看這三大資料結構的 定義 和 用途
bitmaps
定義
說到這個bitmaps，其實它就是String，但它可以對String的位進行操作。然後呢，這個位操作，有自己的命令，所以和操作String的redis命令又不大一樣！
可以這麼理解
bitmaps為一個以位為單位的陣列，陣列的每個單元只能儲存0和1
下面舉個例子，比如我們要做一個set操作，key為w，value為h，那麼執行如下命令
127.0.0.1:6379> set w h
OK
127.0.0.1:6379> get w
"h"
那麼h的ASCII為0110 1000
接下來，你可以用位命令getbit命令取出，取出每一位的內容。
127.0.0.1:6379>getbitw0 #用getbit獲取w第0位的值
(integer) 0
127.0.0.1:6379>getbitw1 #用getbit獲取w第1位的值
(integer) 1
127.0.0.1:6379>getbitw2 #用getbit獲取w第2位的值
(integer) 1
127.0.0.1:6379>getbitw3 #用getbit獲取w第3位的值
(integer) 0
用途
網上傳言，此結構用來統計一定時間內的，活躍的使用者數，使用bitmap的結構比傳統的set結構省空間。然而，這種用途有很大的侷限性，我後文會說到。先說一下，網上的說法。
假設有30個使用者，其中有5個使用者，在2018-10-04這天登陸了。假設這5個使用者的userid=2，4，8，11，12。
那麼，我們假設key為users:2018-10-04，將其value值用於記錄使用者登陸資訊。那麼為了記錄上述5個使用者登陸過，我們將該value值的第2位，第4位，第8位，第11位，第12位設為1，即執行下述命令
127.0.0.1:6379>setbitusers:2018-10-042 1
(integer) 0
127.0.0.1:6379>setbitusers:2018-10-044 1
(integer) 0
127.0.0.1:6379>setbitusers:2018-10-048 1
(integer) 0
127.0.0.1:6379>setbitusers:2018-10-0411 1
(integer) 0
127.0.0.1:6379>setbitusers:2018-10-0412 1
(integer) 0
這個時候，比如你要判斷userid=11的使用者，在2018-10-04這天，有沒有登陸過，就執行下述命令
127.0.0.1:6379>getbitusers:2018-10-0411
(integer) 1
結果為1，就代表使用者登陸過。如果返回結果為0，則代表使用者沒登陸過。
如果要統計，2018-10-04，這一天登陸的使用者數，可以執行下面的命令
127.0.0.1:6379>bitcountusers:2018-10-04
(integer) 5
上面的命令就可以統計出，2018-10-04，這一天5個使用者登陸過。
ok，到這裡大家就查不多能明白了。
先說一下，這裡的userid=2，4，8，11，12，可以理解為偏移量。比如實際專案中的userid位1000002,那麼偏移量就是2。大家在專案中，可以靈活變通。
然而這種方式有一個侷限性。我們在實際專案中，如果userid是使用uuid生成的，那麼，你要如何根據這些userid生成偏移量？莫非你還要去找一個hash函式，生成偏移量？就算找到了相應的hash函式，你能確保一定不發生hash碰撞，導致偏移量一致？
所以，大家瞭解即可。
HyperLogLog
定義
HyperLogLog並不是一種資料結構，而是一種演算法，可以利用 極小的記憶體空間完成獨立總數的統計 。
其實，大家可能對該演算法比較陌生。我們java中有一個庫叫stream-lib，其中也實現了HyperLogLog演算法。我大概說一下該演算法的 原理 ，我不想去長篇大論的搬出數學論文來，大家看著也無聊，這裡Hyper指的是 超級 的意思，它的前世是 LogLog 演算法。這裡博主蜻蜓點水的裝13一下，大家能領悟到精髓即可。
假設有如下對話
我:"小曲啊，假設啊，我一輪丟5次硬幣，丟了很多輪之後，發現這幾輪中，最多出現連續的2次反面1次正面，你能猜出來我丟了多少輪麼！"
小曲:"應該沒幾輪吧，頂多就七八輪。"
我:"臥槽，這麼機智，怎麼算的?"
小曲:"很簡單啊，正反面概率都是1/2,連著二次反面，一次正面。不就是1/2*1/2*1/2=1/8麼！"
我:"那要是最多出現連續的4次反面1次正面呢？"
小曲:"那應該是很多很多輪吧！"
我:"果然機智！"
上述聊天，出自我和同事曲之間的，日常互吹！如有雷同，純屬巧合！
好了，原理講完了！只是他的估算演算法比較複雜！沒這麼簡單而已！而且這麼估，誤差還比較大！下面給出演算法的虛擬碼。
輸入：一個集合
輸出：集合的獨立總數
演算法：
max=0
對於集合中的每個元素：
hashCode = hash(元素)
num = hashCode二進位制表示中最前面連續的0的數量
ifnum >max:
max= num
最後的結果是2的(max+1)次冪
需要說明的是
hashCode= hash(元素)
就是把你的輸入元素，對映成二進位制長串。對映成二進位制長串後，就可以類比到我最先說的拋硬幣的結果了。至於最後的結果為什麼用(max+1)，大家可以去查文獻。畢竟這文章是在講redis，不是在講這個演算法。而且這個演算法，後面還經過了一系列演進，比如將入參集合分為m個部分，然後將m個部分的結果求一個平均數(avg)，最後以2的(avg + 1)次冪，來估計獨立總數！這些讀者有興趣可以自行查詢！
用途
這個結構可以非常省記憶體的去統計各種計數，比如註冊IP數、每日訪問IP數。當然，存在誤差！Redis官方給出的數字是0.81%的失誤率。
用法也很簡單如下所示
127.0.0.1:6379>pfaddips:2018-10-04"127.0.0.1" "127.0.0.2" "127.0.0.3" "127.0.0.4"
(integer) 1
127.0.0.1:6379>pfcountips:2018-10-04
(integer) 4
上面就是演示了，2018-10-04這天，約4個ip登陸了系統！
網上有一張和傳統集合結構的佔用空間對比圖，貼出來，給大家看看
注意了，再強調一次，使用此結構是存在誤差的！比如你pfadd了一百萬條資料進去，結果pfcount的結果可能就999756條！
Geo
定義
Geo可以用於儲存經緯度、計算兩地之間的距離、範圍計算等。其底層實現是zset。
用途
主要有以下六組命令
geoadd：增加某個地理位置的座標。
geopos：獲取某個地理位置的座標。
geodist：獲取兩個地理位置的距離。
georadius：根據給定地理位置座標獲取指定範圍內的地理位置集合。
georadiusbymember：根據給定地理位置獲取指定範圍內的地理位置集合
geohash：獲取某個地理位置的geohash值。
我這裡直接貼官網文件的例子，大家有興趣可以自行查詢.
首先，先給key增加兩個座標
redis>GEOADDSicily13.36138938.115556"Palermo" 15.08726937.502669"Catania"
(integer) 2
其次，計算兩個座標之間的舉例
redis> GEODIST Sicily Palermo Catania
"166274.15156960039"
最後，計算距離經緯度(15,37)距離100km和200km範圍內的座標有哪些
redis> GEORADIUS Sicily 15 37 100 km
1)"Catania"
redis> GEORADIUS Sicily 15 37 200 km
1)"Palermo"
2)"Catania"
總結
我目前還沒涉及到和地圖有關的業務，因此該結構用的還比較少。大家根據專案具體需求使用即可！