前言

很多小伙伴在面试中都会被问到 Redis的常用数据结构有哪些？

可能很大一部分回答都是 string、hash、list、set、zset。当然啦，这个答案肯定是没有错的，但是相信这个答案，面试官已经听得耳朵都起茧了。

本身我们选择的这个行业竞争就极强，学历拼不过难道还要知识都拼不过吗？？？

希望进来的小伙伴能好好看完这篇文章，也希望你以后的回答能是 常用的数据结构有string、hash、list、set、zset，但我平时可能还会用到 Hyperloglog和Bitmap。相信面试官听到你的回答，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。

基数：可简单理解为集合中不同元素的个数，也可以理解为Set 对于一个集合 1、2、3、4，那么它的基数为 4 对于一个集合 1、2、3、4、1，那么它的基数也是 4

Hyperloglog作用

我们可以使用它来统计 UV。

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。一台电脑早上访问了一次，下午又访问了一次，两次访问的都是同一个网站，只能被计算一次。

那可能有小伙伴问了，及刚才都说了可以理解为一个Set，那我为什么要用它来统计UV？

Redis 的 HyperLogLog 通过牺牲准确率来减少内存空间的消耗，只需要12K内存，在标准误差0.81%的前提下，能够统计2^64个数据。而Set就需要消耗大量空间 所以 HyperLogLog 是否适合在比如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，主要依赖于伯努利试验，各位小伙伴可以去百度了解了解。

命令行中的使用

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

image image

---

SpringBoot中的使用

@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);
}

image

可以看到结果值为：19891与真实值：20000相差不了多少，虽说有误差，但相比于set已经是很好了！

除此之外，在SpringBoot中还可以对多个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);
}

image.png

可见，数据还是19891

---

Bitmap

---

Bitmap简介

位图不是特殊的数据结构，它其实就是普通的字符串，也就是 byte 数组（有了解布隆过滤器的小伙伴可展开联想一下）

通过一个bit位来表示某个元素对应的值或者状态,其中的key就是对应元素本身。

位操作分为两组：

• 固定时间的单个位操作（如将一个位设置为1或0或获取其值）
• 对位组的操作，例如计算给定位范围内设置的位的数量（例如，人口计数）。

位图的最大优点之一是，在存储信息时，它们通常可以节省大量空间。例如，在以增量用户ID表示不同用户的系统中，仅使用512 MB内存就可以记住40亿用户的一位信息

---

Bitmap作用

使用场景

• 各种实时分析。
• 存储与对象ID相关联的空间高效但高性能的布尔信息。

我们可以使用它来统计 DAU。

==日均活跃用户数量==(Daily Active User，DAU)是用于反映网站、互联网应用或网络游戏的运营情况的统计指标。日活跃用户数量通常统计一日（统计日）之内，登录或使用了某个产品的用户数（去除重复登录的用户）。

---

命令行使用Bitmap

使用 setbit 和 getbit 命令设置和检索为：

• 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当前字符串长度，则该命令将自动放大字符串。
• getbit 只是返回指定索引处的位的值。超出范围的位（寻址超出存储在目标键中的字符串长度的位）始终被视为零。

[图片上传失败...(image-3ade53-1628672366756)]

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 查找具有指定值0或1的第一位。

image

---

SpringBoot使用Bitmap

@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));

}

image.png