吃透Redis系列:琳琅满目的数据类型(下篇,文末彩蛋)
共 4146字，需浏览 9分钟
·
2024-04-11 13:10
欢迎关注微信公众号： 互联网全栈架构
上一篇文章我们介绍了Redis的五种基本数据类型，详细内容请参见：吃透Redis系列：琳琅满目的数据类型（上篇）。除了这几种基本的数据类型外，Redis还提供了五种扩展数据类型，从使用频率上来讲，它可能不如基本数据类型那么高，但对于某些特定应用场景，它们能很好地满足，所以也有必要进行学习和了解，以便有备无患。 在文章的最后，我们用一张图来总结这十种数据类型的含义（毕竟，一图胜千言，更方便记住）。为了方便阅读，还是把这张数据类型的思维导图放出来：
1
Stream
Stream是流的意思，它类似于一个日志追加（append-only）的数据结构，在实际应用中，它主要用于实现消息队列的功能，也可以用于记录和处理各种事件，或者作为一个通知系统，把消息推送给用户或者其他系统。 在Stream中，每条数据都被赋予唯一的一个序列号，可以使用这个序列号来获取关联的数据，或者处理Stream中后面的数据，这个序列号是随着时间顺序递增的。
Stream的一些常用操作（更详细的说明请参考官方网站）：
#用于向Stream中添加消息
XADD key <* | id > field value [field value ...]
#从Stream中读取消息
XREAD [COUNT count] STREAMS key [key ...] id [id ...]
#获取指定范围内的消息
XRANGE key start end [COUNT count]
#返回消息的数量
XLEN key
示例：
127.0.0.1:6379> XADD mystream * name Tom age 23 height 178
"1709386483610-0"
127.0.0.1:6379> XREAD COUNT 1 STREAMS mystream 0
1) 1) "mystream"
2) 1) 1) "1709386483610-0"
2) 1) "name"
2) "Tom"
3) "age"
4) "23"
5) "height"
6) "178"
127.0.0.1:6379> XRANGE mystream - +
1) 1) "1709386483610-0"
2) 1) "name"
2) "Tom"
3) "age"
4) "23"
5) "height"
6) "178"
127.0.0.1:6379> XLEN mystream
(integer) 1
2
Geospatial
翻译过来是地理空间的意思，它可以用来保存坐标并进行搜索。对于地理位置和距离计算的需求，这种数据结构非常适合。地理位置使用经度和纬度来表示。 向key中添加地理位置的命令如下（其它命令参见官网）：
#将一个或者多个位置添加到key中。其中longtitude是经度，latitude是纬度，member是地理位置的名称
GEOADD key longitude latitude member [longitude latitude member ...]
3
Bitmap
Bitmap就是位图，它不是一个真正意义上的数据结构，而是对于字符串类型的一些位操作，通过最小的单位bit来进行0和1的设置。使用它进行存储非常节省空间且运行效率高，比较适合活跃用户统计、登录天数计算、过滤器等应用场景。
Bitmap的一些常用操作：
#设置或者清除某一位上的值
SETBIT key offset value
#获取某一位上的值
GETBIT key offset
#统计1的数量
BITCOUNT key [start end [BYTE | BIT]]
示例：
# 比如统计登录天数，第一天在线，第三天在线，最后统计出来一共两天在线
127.0.0.1:6379> SETBIT user-login 1 1
(integer) 0
127.0.0.1:6379> SETBIT user-login 3 1
(integer) 0
127.0.0.1:6379> GETBIT user-login 3
(integer) 1
127.0.0.1:6379> BITCOUNT user-login
(integer) 2
4
Bitfield
Bitfield（位域），它把字符串当成位数组进行处理，它 可以操作任意位长度的整数，从无符号的1位整数到有符号的63位整数。 这些值是使用二进制编码的Redis字符串来存储的。 bitfield结构支持原子的读、写和增加操作，使它们成为管理计数器和类似数值的好选择。
5
HyperLogLog
HyperLogLog，它是用来做基数统计的，所谓基数，是指集合中不同元素的个数，而基数统计是指在允许误差的情况下估算出一组数据的基数。它经常用于统计网站的ip访问量、页面的uv数等场景。
HyperLogLog的一些常用操作：
#将任意数量的元素添加到HyperLogLog
PFADD key [element [element ...]]
#返回一个或者多个key的近似基数
PFCOUNT key [key ...]
#将多个HyperLogLog合并为一个HyperLogLog
PFMERGE destkey [sourcekey [sourcekey ...]]
示例：
127.0.0.1:6379> PFADD web-view "Tom" "John" "Tony"
(integer) 1
127.0.0.1:6379> PFCOUNT web-view
(integer) 3
127.0.0.1:6379> PFADD web-view2 "John"
(integer) 1
127.0.0.1:6379> PFMERGE web-view web-view2
OK
127.0.0.1:6379> PFCOUNT web-view
(integer) 3
6
总结
本文介绍了五种扩展数据类型，包括流、地理空间、位图、位域、基数统计等，它们对于一些互联网相关的业务需求非常适合，与传统的实现方案相比（比如采用关系型数据库），这些数据结构可能更有针对性、效率更高，使用起来也更为简便 。
为了方便记忆和理解，我们用一张示例图来总结这十种数据类型的含义：
创作不易，烦请点个在看、点个赞，非常感谢！
推荐阅读：