Redis还可以做哪些事？

- 日理万妓 2023-10-14 13:25 24阅读 0赞

redis五大基本数据类型的使用场景，除了string，hash，list，set，zset之外，redis还提供了一些其他的数据结构（当然，严格意义上也不算数据结构），一起来看看redis还可以做哪些事？

### 一 Bitmaps ###

在计算机中，使用二进制做为信息的基础单元，也就是输入的任何信息，最终在计算机底层都会转会为一串二进制的数字。在redis中，提供了Bitmaps来进行位操作。我们可以把Bitmaps想象成一个以位为单位的数组，数组的下标叫做偏移量。使用Bitmaps的优势就是占用空间更少。

假如我们想记录员工今天是否登录过公司官网，我们可以日期做为key，员工id做为偏移量（这里员工id在数据库中是自增的），如果id是从1000开始，为了节省空间，一般会将员工id减去这个初始值来做为偏移量，偏移量一般从 `0` 开始。是否访问官网用 `0` 和 `1` 来表示。

这样的话，id为 `3` 的员工访问了官网，就将他的值写成 `1`

<pre>\# id为3的员工访问了官网  
setbit user:2020-11-04 3 1

## id为18的员工访问了官网 ##

setbit user:2020-11-04 18 1</pre>

查看某个员工是否访问过官网

<pre>getbit user:2020-11-04 1</pre>

查询指定范围（字节）内值为1的个数，比如我想查看id从1-24之间有多少员工访问了官网

<pre>bitcount user:2020-11-04 1 3</pre>

### 二 HyperLogLog ###

`HyperLogLog` 可以利用极小的内存空间完成数据统计，无法获取单条数据，只能做为统计使用，会有一定的误差率。

假如我想统计访问官网的IP地址

添加官网今天访问的ip列表

<pre>\# 2020-11-04访问的ip  
pfadd 2020-11-04:ip "ip1" "ip2" "ip3"

## 2020-11-05访问的ip ##

pfadd 2020-11-05:ip "ip3" "ip4" "ip5"</pre>

计算今天官网访问的ip数

<pre>pfcount 2020-11-04:ip</pre>

返回结果为3

查看2020-11-04和2020-11-05这两天总共有多少个独立ip访问过网站

先将两天的数据做并集，并复制给某个值

<pre>pfmerge 2020-11:ip 2020-11-04:ip 2020-11-05:ip</pre>

然后使用pfcount命令查询，获得的值为5

<pre>pfcount 2020-11:ip</pre>

### 三 GEO ###

在 `Redis3.2` 版本中增加了GEO（地理位置定位）功能，可以使用此功能来获取附近的人。

添加命令如下，可批量添加

<pre>geoadd city longitud latitude member</pre>

我们添加几个城市的位置信息，来获取某个城市附近的城市

<pre>geoadd city 116.28 39.55 beijing 117.12 39.08 tianjin</pre>

获取北京的经纬度命令如下

<pre>geopos city beijing</pre>

查看beijing和tianjin两座城市的距离

<pre>geodist city beijing tianjin km</pre>

最后面的km表示距离单位是公里，支持的单位有以下几个：

*  m，米
 *  km，千米
 *  mi，英里
 *  ft，尺

获取附近的位置有两个命令， `georadius` 根据经纬度获取， `georadiusbymember` 根据成员获取

<pre>georadius key longitude laitude \[单位\]  
georadiusbymember key member \[单位\]</pre>

后面还可以跟非必须参数，参数分别如下

*  withcoord：返回结果中包含经纬度
 *  withdist：返回结果中包含距离中心位置的距离
 *  withhash：返回结果中包含geohash（就是将经纬度转换为hash值）
 *  COUNT count：指定返回结果的数量
 *  asc|desc：返回结果按距离中心位置的距离排序
 *  store key：将返回结果的地理位置信息保存到指定key中
 *  storedist key：将返回结果距离中心位置的距离保存到指定key中

### 四 发布订阅模式消息 ###

在 [上一篇][Link 1] 文章中讲到了可以使用list和zset来实现消息队列，但是上面实现的消息队列是点对点模式，也就是一条消息只能由一个消费者来消费。除此之外，redis还支持发布订阅模式，即一个消息由所有订阅者消费，比如广播、公告等等，发布一条公告后，所有关注了我的用户都可以收到这条公告。

1.  发布消息

发布到信道channel:message一条消息，消息内容为 `hi`

<pre>pulish channel:message hi</pre>

1.  订阅信道

订阅者可以订阅一个或多个信道，比如订阅channel:message

<pre>subscribe channel:message</pre>

1.  取消订阅

<pre>unsubscribe channel:message</pre>

1.  查看活跃信道

<pre>pubsub channels</pre>

1.  查看订阅数

查看信道channel:message订阅个数

<pre>pubsub numsub channel:message</pre>

redis的发布订阅模式和专业的消息中间件相比，略显粗糙，但是实现起来非常简单，学习成本较低。

### 五 Bloom Filter ###

布隆过滤器是 `redis4` 版本中新增的一个功能。其实现原理和Bitmaps差不多，也是利用一个位数组，将你的值经过 **多个** hash函数，得到对应的位数组的位置，将这些值设置为1。布隆过滤器经常别用来防止缓存穿透。

存在的问题，如果说某个元素不存在，则一定不存在，如果说某个元素存在，则可能不存在。这是因为如果有三个元素 `a` ， `b` ， `c` 要放入同一个数组中去，假设 `a` 经过三次hash，得到1，5，7三个位置，那么就会将这三个位置修改成 `1` ， `b` 经过三次hash，得到2，4，6三个位置，将这三个位置修改成 `1` 。 `c` 经过三次hash得到2，5，7三个位置，但是经过前两个元素hash后，这三个位置已经修改成 `1` 了，那么我们能说 `c` 一定存在吗？显然不能！

[Link 1]: https://links.jianshu.com/go?to=https%3A%2F%2Fmp.weixin.qq.com%2Fs%2Fg6Ff3upBsvc5x6H8k6-8tQ