redis的三个特殊数据结构（geospatial、bitmaps、hyperloglogs）

geospatial

应用：存储位置信息，可以很方便计算和管理位置信息

redis的geospatial在redis 3.2版本就推出来了！这个功能可以推算地理位置的信息，两地之间的距离，方圆几里的人

可以查询一些测试数据：http://www.jsons.cn/lngcode/
geospatial只有如下6个命令：

geoadd:添加地理位置
规则：两极无法添加，我们一般会下载城市数据，直接通过java程序一次性导入。

(flushdb 用于清空当前数据库中所有的key、dbsize 返回当前库的key数量  info查看版本、内核信息
clear)
geoadd：添加一个或多个位置到一个key中
语法：geoadd key longitude latitude member [longitude latitude member ...]

localhost:6379> geoadd China:city 116.40 39.9 北京    # 添加一个位置
(integer) 1
localhost:6379> geoadd China:city 121.47 31.23 上海 120.15 30.28 杭州 113.27 23.13 广东    # 添加多个位置
(integer) 3
localhost:6379> zrange China:city 0 -1    # 查看用zrange，因为geo本质是一个有序集合
1) "xe5xb9xbfxe4xb8x9c"
2) "xe6x9dxadxe5xb7x9e"
3) "xe4xb8x8axe6xb5xb7"
4) "xe5x8cx97xe4xbaxac"
localhost:6379> exit
[root@VM_0_2_centos bin]# redis-cli -h localhost -p 6379 --raw    # --raw 解决中文乱码问题
localhost:6379> zrange China:city 0 -1
广东
杭州
上海
北京
localhost:6379> zrange China:city 0 -1 withscores
广东
4046533759716104
杭州
4054134257390783
上海
4054803462927619
北京
4069885360207904

geopos：查看某个key成员的地理位置
语法：geopos key member [member ...]

localhost:6379> geopos China:city 北京
116.39999896287918091
39.90000009167092543
localhost:6379> geopos China:city 北京 上海
116.39999896287918091
39.90000009167092543
121.47000163793563843
31.22999903975783553

geodist：计算两点之间的距离，可以选择计算单位，默认单位是m
语法：geodist key member1 member2 [m|km|ft|mi]

localhost:6379> geodist China:city 北京 上海
1067378.7564
localhost:6379> geodist China:city 北京 上海 m
1067378.7564
localhost:6379> geodist China:city 北京 上海 km
1067.3788

geohash：获取元素的 hash 值
geohash 可以获取元素的经纬度编码字符串，上面已经提到，它是 base32 编码。 你可
以使用这个编码值去 http://geohash.org/${hash}中进行直接定位，它是 geohash 的标准编码。该命令将返回11个字符的geohansh字符串
值.
语法：geohash key member [member ...]

localhost:6379> geohash China:city 上海
wtw3sj5zbj0

获取hash码，请求链接http://geohash.org/wtw3sj5zbj0，结果如下

georadius：给定一个坐标点，查找附近指定距离范围内的元素，相当于附近的人
语法：georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]
先查找安徽的坐标：117.25 ， 31.83

localhost:6379> georadius China:city 117.25 31.83 500 km    # 查看方圆500km内的城市
杭州
上海
localhost:6379> georadius China:city 117.25 31.83 500 km withcoord  # withcoord  结果带上坐标
杭州
120.15000075101852417
30.2800007575645509
上海
121.47000163793563843
31.22999903975783553
localhost:6379> georadius China:city 117.25 31.83 500 km withdist    # withdist 带上距离
杭州
325.6740
上海
405.5792
localhost:6379> georadius China:city 117.25 31.83 500 km withdist count 1 asc    # 由近到远取一个
杭州
325.6740

georadiusbymember：与georadius功能相同，不同的是georadiusbymember的中心点是geo中的成员而不是经纬度
语法：georadiusbymember key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]

localhost:6379> georadiusbymember China:city 上海 500 km withdist
杭州
164.5694
上海
0.0000

zrem：应为geo的本质是zset，所以删除也是用zrem

localhost:6379> zrange China:city 0 -1 
杭州
上海
北京
localhost:6379> zrem China:city 北京
1
localhost:6379> zrange China:city 0 -1 
杭州
上海

zrange key  start stop 返回有序集中指定区间内的成员  （下标参数 start 和 stop 都以 0 为底，也就是说，以 0 表示有序集第一个成员，以 1 表示有序集第二个成员，以此类推。
你也可以使用负数下标，以 -1 表示最后一个成员， -2 表示倒数第二个成员，以此类推。 ）

bitmaps

Redis提供的Bitmaps这个“数据结构”可以实现对位的操作。Bitmaps本身不是一种数据结构，实际上就是字符串，但是它可以对字符串的位进行操作。
可以把Bitmaps想象成一个以位为单位数组，数组中的每个单元只能存0或者1，数组的下标在bitmaps中叫做偏移量。单个bitmaps的最大长度是512MB，即2^32个比特位。

setbit：设置值
语法：setbit key offset value
理解：key是数组，offset是数组的下标，value是这个下标位置的状态值（0或1）

1、使用bitmaps记录周一到周日的打卡（周一至周日用0-6标识）

 getbit：获取key中一个下标的状态
语法：getbit key offset

2、查看某一天是否打卡

 bitcount：统计一个key中状态为1的下标数量
语法：bitcount key [start end]

3、查看一周签到打卡的数量

 bitop：用来做bitmaps之间的运算
语法：bitop operation destkey key [key ...]
operation：表明操作类型，有四个可选值

• and：与
• or：或
• not：非
• xor：异或

destkey：目标key，运算的结果会存到这里
key [key ...] 被运算的一个或多个bitmaps的key

bitpos：计算Bitmaps中第一个值为targetBit的偏移量：
语法：bitpos key bit [start] [end]

localhost:6379> bitpos sign 1    # sing中第一个状态为1的下标
0
localhost:6379> bitpos sign 0    # sing中第一个状态为0的下标
2

小结：我们在生活中，或编程中，只要只有两个标志位（0 1）我们都可以考虑使用bitmaps来进行操作，这 样的话，十分方便，还有就是能够极大的节约内存！

hyperloglogs

pfadd：添加元素
pfcount：统计基数
pfmerge: 合并多个数据集

localhost:6379> pfadd mykey a b c c c c c c d e
1
localhost:6379> pfadd mykey2 e f e d f c d s f d d d d d d
1
localhost:6379> pfcount mykey
5
localhost:6379> pfcount mykey2
5
localhost:6379> pfcount mykey mykey2
7
localhost:6379> pfmerge mergekey  mykey mykey2    # 合并mykey和mykey2写入到mergekey
OK
localhost:6379> pfcount mergekey
7

在需要对大数据进行不重复数统计时推荐用hyperloglogs，但是如果需要精确统计的话就不要使用，因为hyperloglogs存在1%左右的误差。