发布时间:2023-04-24 10:30
很多博客只讲了五大基本类型,确实,是最常用的,而且百分之九十的程序员对于Redis只限于了解String这种最常用的。但是我个人认为,既然Redis官方提供了其他的数据类型,肯定是有相应的考量的,在某些特殊的业务场景中,这些特殊的类型还是能够给我们多一种解决思路!那么,这个学习就是值得的!!!
127.0.0.1:6379> geoadd city 118.8921 31.32751 nanjing 197.30794 31.79322
#当经纬度其中一个或者两个超过界限值,报错,信息如下:
(error) ERR syntax error. Try GEOADD key [x1] [y1] [name1] [x2] [y2] [name2] ...
#添加城市经纬度 语法格式: geoadd key 经度 纬度 name +++可多个添加
#添加成功后返回添加成功的数量值
127.0.0.1:6379> geoadd city 118.8921 31.32751 nanjing 117.30794 31.79322 hefei 102.82147 24.88554 kunming 91.13775 29.65262 lasa 116.23128 40.22077 beijing 106.54041 29.40268 chongqing
(integer) 6
127.0.0.1:6379> ZRANGE city 0 -1 #注意:geo的查看方式和zset的命令是一致的,
#由此可知,geo本质上还是个集合,不过Redis官方对其进行了二次封装
1) \"lasa\"
2) \"kunming\"
3) \"chongqing\"
4) \"hefei\"
5) \"nanjing\"
6) \"beijing\"
127.0.0.1:6379> geopos city nanjing #查看看指定城市的经纬度信息
1) 1) \"118.89209836721420288\"
2) \"31.32750976275760735\"
127.0.0.1:6379> geopos city nanjing beijing #查看看多个城市的经纬度信息
1) 1) \"118.89209836721420288\"
2) \"31.32750976275760735\"
2) 1) \"116.23128265142440796\"
2) \"40.22076905438526495\"
127.0.0.1:6379> geodist city nanjing beijing #计算南京到北京之间的距离,默认返回单位是m
\"1017743.1413\"
127.0.0.1:6379> geodist city nanjing beijing km #km 千米
\"1017.7431\"
127.0.0.1:6379> geodist city nanjing beijing mi #mi 英里
\"632.3978\"
127.0.0.1:6379> geodist city nanjing beijing ft #ft 英尺
\"3339052.3010\"
②georadius(查询附近位置)操作
127.0.0.1:6379> ZRANGE city 0 -1 #查看城市
1) \"lasa\"
2) \"kunming\"
3) \"chongqing\"
4) \"hefei\"
5) \"nanjing\"
6) \"beijing\"
#查看指定位置的1000公里范围内有哪些城市
127.0.0.1:6379> georadius city 120 38 1000 km
1) \"beijing\"
2) \"hefei\"
3) \"nanjing\"
127.0.0.1:6379> georadius city 120 38 400 km #查看指定位置的400公里范围内有哪些城市
(empty array)
127.0.0.1:6379> georadius city 120 38 550 km #查看指定位置的550公里范围内有哪些城市
1) \"beijing\"
#查看指定位置的550公里范围内有哪些城市,withcoord指定返回城市的name
127.0.0.1:6379> georadius city 120 38 1000 km withcoord
1) 1) \"beijing\"
2) 1) \"116.23128265142440796\"
2) \"40.22076905438526495\"
2) 1) \"hefei\"
2) 1) \"117.30793744325637817\"
2) \"31.79321915080526395\"
3) 1) \"nanjing\"
2) 1) \"118.89209836721420288\"
2) \"31.32750976275760735\"
#查看指定位置的550公里范围内有哪些城市,withdist指定返回城市的’经纬度‘值
127.0.0.1:6379> georadius city 120 38 1000 km withcoord withdist
1) 1) \"beijing\"
2) \"408.3496\"
3) 1) \"116.23128265142440796\"
2) \"40.22076905438526495\"
2) 1) \"hefei\"
2) \"732.6371\"
3) 1) \"117.30793744325637817\"
2) \"31.79321915080526395\"
3) 1) \"nanjing\"
2) \"749.0265\"
3) 1) \"118.89209836721420288\"
2) \"31.32750976275760735\"
#查看指定位置的550公里范围内有哪些城市,withhash指定返回城市的’经纬度‘的hash值
#如果两个城市的hash值越’像‘,证明城市距离越近!
127.0.0.1:6379> georadius city 120 38 1000 km withcoord withdist withhash
1) 1) \"beijing\"
2) \"408.3496\"
3) (integer) 4069896088584598
4) 1) \"116.23128265142440796\"
2) \"40.22076905438526495\"
2) 1) \"hefei\"
2) \"732.6371\"
3) (integer) 4052763834193093
4) 1) \"117.30793744325637817\"
2) \"31.79321915080526395\"
3) 1) \"nanjing\"
2) \"749.0265\"
3) (integer) 4054278565840695
4) 1) \"118.89209836721420288\"
2) \"31.32750976275760735\"
#查看指定位置的550公里范围内有哪些城市,count num 指定返回’num‘个城市数据量
127.0.0.1:6379> georadius city 120 38 1000 km withcoord withdist withhash count 2
1) 1) \"beijing\"
2) \"408.3496\"
3) (integer) 4069896088584598
4) 1) \"116.23128265142440796\"
2) \"40.22076905438526495\"
2) 1) \"hefei\"
2) \"732.6371\"
3) (integer) 4052763834193093
4) 1) \"117.30793744325637817\"
2) \"31.79321915080526395\"
③ georadiusbymember (查找指定元素指定范围内的元素)、geohash (返回经纬度的hash值)、zrange、zrem(使用zset命令操作geo)
#查询南京 500公里范围有哪些城市
127.0.0.1:6379> georadiusbymember city nanjing 500 km
1) \"hefei\"
2) \"nanjing\"
#查询重庆 1500公里范围有哪些城市
127.0.0.1:6379> georadiusbymember city chongqing 1500 km
1) \"lasa\"
2) \"kunming\"
3) \"chongqing\"
4) \"hefei\"
5) \"nanjing\"
6) \"beijing\"
#返回北京和南京的经纬度的 hash值
127.0.0.1:6379> geohash city beijing nanjing
1) \"wx4sucvncn0\"
2) \"wtsd1qyxfx0\"
#查看所有城市name
127.0.0.1:6379> ZRANGE city 0 -1
1) \"lasa\"
2) \"kunming\"
3) \"chongqing\"
4) \"hefei\"
5) \"nanjing\"
6) \"beijing\"
#根据geo中的name删除g元素
127.0.0.1:6379> ZREM city lasa
(integer) 1
#删除成功
127.0.0.1:6379> ZRANGE city 0 -1
1) \"kunming\"
2) \"chongqing\"
3) \"hefei\"
4) \"nanjing\"
5) \"beijing\"
④总结:实际需求中,我们可以用来查询附近的人、计算两人之间的距离等。当然,那些所需的经纬度我们肯定要结合java代码来一次导入,手动查询和录入太过于浪费时间!
首先得明白什么是基数?
再数学层面上可以说是:两个数据集中不重复的元素~
但是再Redis中,可能会有一定的误差性。 官方给出的误差率是0.81%。
Hyperloglog的优点: 占用的内存是固定的,2^64个元素,相当于只需要12kb的内存即可。效率极高!
①pfadd(添加数据集)、pfcount(统计数据集)、pfmegre(合并数据集-自动去重)
127.0.0.1:6379> pfadd dataList 1 2 3 4 5 6 7 #添加数据集
(integer) 1
127.0.0.1:6379> pfcount dataList #统计数据集中的元素
(integer) 7
127.0.0.1:6379> pfadd dataList1 4 5 6 7 8 9 10 #添加数据集
(integer) 1
127.0.0.1:6379> pfcount dataList1 #统计数据集中的元素
(integer) 7
#将dataList 和dataList1 两个数据集合并成一个新的 newdata数据集,并且自动去重
127.0.0.1:6379> pfmerge newdata dataList dataList1
OK
127.0.0.1:6379> pfcount newdata
(integer) 10
②总结:如果在实际业务中,允许一定的误差值,我们可以使用基数统计来计算~效率非常高!比如:网站的访问量,就可以利用Hyperloglog来进行计算统计!
Bitmap 位图,数据结构! 都是操作二进制位来进行记录,就只有0 和 1 两个状态!
①setbit(添加)、getset(获取)、bitcount(统计)操作
127.0.0.1:6379> setbit login 1 1 #添加周一已登陆 为1
(integer) 0
127.0.0.1:6379> setbit login 2 1
(integer) 0
127.0.0.1:6379> setbit login 3 1
(integer) 0
127.0.0.1:6379> setbit login 4 0 #添加周四已登陆 为0
(integer) 0
127.0.0.1:6379> setbit login 5 0
(integer) 0
127.0.0.1:6379> setbit login 6 1
(integer) 0
127.0.0.1:6379> setbit login 7 0
(integer) 0
127.0.0.1:6379> getbit login 1 #获取周一是否登录
(integer) 1
127.0.0.1:6379> getbit login 4 #获取周四是否登陆
(integer) 0
127.0.0.1:6379> bitcount login #统计这周登陆的天数
(integer) 4
②总结:实际需求中,可能需要我们统计用户的登陆信息,员工的打卡信息等等。只要是事务的只有两个状态的,我们都可以用Bitmap来进行操作!!!
Redis扩展:Redis学习汇总
路漫漫其修远兮,吾必将上下求索~
到此关于Redis的三大特殊类型的讲解就算告一段落了,如果你认为i博主写的不错!写作不易,请点赞、关注、评论给博主一个鼓励吧**转载请注明出处哦**