一、Geospatail地理位置

1、Geospatail的应用

  • 朋友的位置,附近的人,打车距离

2、相关命令

1、geoadd:增加某个地理位置的坐标(可批量添加)。

语法: GEOADD key longitude latitude member [longitude latitude member ...]

127.0.0.1:6379> geoadd china:city 116.405285 39.904989 beijing
(integer) 1
127.0.0.1:6379> geoadd china:city 121.472644 31.231706 shanghai
(integer) 1
127.0.0.1:6379> geoadd china:city 113.280637 23.125178 guangzhou
(integer) 1
127.0.0.1:6379> geoadd china:city 114.085947 22.547 shenzhen
(integer) 1
127.0.0.1:6379> geoadd china:city 120.153576 30.287459 hangzhou
(integer) 1
127.0.0.1:6379> geoadd china:city 108.948024 34.263161 xian
(integer) 1
127.0.0.1:6379>

2、geopos:获取某个地理位置的坐标(可批量获取)。

语法:GEOPOS key member [member ...]

127.0.0.1:6379> geopos china:city shanghai
1) 1) "121.47264629602432251"
1) "31.23170490709807012"
127.0.0.1:6379> geopos china:city xian chongqing
1) 1) "108.94802302122116089"
2) "34.2631604414749944"
2) (nil)
127.0.0.1:6379> geopos china:city xian beijing #获取多个地点的经纬度
1) 1) "108.94802302122116089"
2) "34.2631604414749944"
2) 1) "116.40528291463851929"
2) "39.9049884229125027"
127.0.0.1:6379>

3、geodist:获取两个地理位置的距离。

语法:GEODIST key member1 member2 [m|km|ft|mi

#m 表示单位为米。
#km 表示单位为千米。
#mi 表示单位为英里。
#ft 表示单位为英尺。
#如果用户没有显式地指定单位参数, 那么 GEODIST 默认使用米作为单位。 127.0.0.1:6379> geodist china:city beijing shanghai #获取北京到上海的距离米
"1067597.9668"
127.0.0.1:6379> geodist china:city beijing xian #获取北京到西安的距离米
"911278.5437"
127.0.0.1:6379> geodist china:city beijing shanghai km #北京到上海的距离km
"1067.5980"
127.0.0.1:6379>

4、georadius:根据给定地理位置坐标获取指定范围内的地理位置集合。

语法:GEORADIUS key longitude latitude radius [m|km|ft|mi] [WITHCOORD] [WITHDIST] [ASC|DESC] [WITHHASH] [COUNT count]

longitude latitude标识了地理位置的坐标,radius表示范围距离,距离单位可以为m|km|ft|mi,还有一些可选参数:

  • WITHCOORD:传入WITHCOORD参数,则返回结果会带上匹配位置的经纬度。

  • WITHDIST:传入WITHDIST参数,则返回结果会带上匹配位置与给定地理位置的距离。

  • ASC|DESC:默认结果是未排序的,传入ASC为从近到远排序,传入DESC为从远到近排序。

  • WITHHASH:传入WITHHASH参数,则返回结果会带上匹配位置的hash值。

  • COUNT count:传入COUNT参数,可以返回指定数量的结果。

127.0.0.1:6379> georadius china:city 110 30 1000 km      #以110,30这个经纬度为中心,寻找方圆1000km内的城市
1) "xian"
2) "shenzhen"
3) "guangzhou"
4) "hangzhou"
127.0.0.1:6379> georadius china:city 110 30 500 km #以110,30这个经纬度为中心,寻找方圆500km内的城市
1) "xian"
127.0.0.1:6379> georadius china:city 110 30 500 km withdist #显示两个城市中间距离的距离
1) 1) "xian"
2) "484.4073"
127.0.0.1:6379> georadius china:city 110 30 500 km withcoord # 110 30 范围内城市的定位信息
1) 1) "xian"
2) 1) "108.94802302122116089"
2) "34.2631604414749944"
127.0.0.1:6379>

5、georadiusbymember:根据给定地理位置获取指定范围内的地理位置集合。

语法:GEORADIUSBYMEMBER key member radius [m|km|ft|mi] [WITHCOORD] [WITHDIST] [ASC|DESC] [WITHHASH] [COUNT count]

可选参数同georadius

127.0.0.1:6379> georadiusbymember china:city beijing 1000 km        #找出以北京为中心,方圆1000km内的城市
1) "beijing"
2) "xian"
127.0.0.1:6379> georadiusbymember china:city shanghai 1000 km #找出以上海为中心,方圆1000km
1) "hangzhou"
2) "shanghai"
127.0.0.1:6379>

6、geohash:获取某个地理位置的geohash值。

语法:GEOHASH key member [member ...]

#将二维的经纬度转换为一维的字符串,如果两个字符串越接近,那么则距离越近!
127.0.0.1:6379> geohash china:city beijing
1) "wx4g0b7xrt0"
127.0.0.1:6379> geohash china:city xian
1) "wqj6zjmt2u0"
127.0.0.1:6379> geohash china:city shanghai
1) "wtw3sjt9vg0"
127.0.0.1:6379>

3、GEO底层的实现原理其实就是Zset

1、zset操作Geospatail

127.0.0.1:6379> zrange china:city 0 -1              #获取所有的城市集合
1) "xian"
2) "shenzhen"
3) "guangzhou"
4) "hangzhou"
5) "shanghai"
6) "beijing"
127.0.0.1:6379> zrem china:city hangzhou #移除指定的城市
(integer) 1
127.0.0.1:6379> zrange china:city 0 -1 #查看移除后剩下的城市
1) "xian"
2) "shenzhen"
3) "guangzhou"
4) "shanghai"
5) "beijing"
127.0.0.1:6379>

测试数据网站

Redis中文网站

二、HyperLogLog

1、基数

再开始在前了解什么是基数?

比如数据集 {1, 3, 5, 7, 5, 7, 8}, 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。 基数估计就是在误差可接受的范围内,快速计算基数。

2、简介

  • Redis 2.8.9版本就更新了Hyperloglog数据结构!
  • Redis Hyperloglog基数统计的算法!
  • 网页的UV(一个人访问一个网站多次,但是还是算作一个人!
  • 传统的方式,set 保存用户的id,然后就可以统计set 中的元素数量作为标准判断!
  • 传统的方式,set保存用户的id,然后就可以统计set 中的元素数量作为标准判断!
  • 这个方式如果保存大量的用户id,就会比较麻烦!我们的目的是为了计数,而不是保存用户id ;
  • 0.81%错误率!统计UV任务,可以忽略不计的!

3、相关命令

1、Pfadd 命令 - 添加指定元素到 HyperLogLog 中。

语法:PFADD key element [element ...]

127.0.0.1:6379> pfadd mypf a b c d e f i j         #像mypf添加一组数据
(integer) 1
127.0.0.1:6379> pfadd mypf1 i j z x c v n m #向mypf1添加一组数据
(integer) 1
127.0.0.1:6379>

2、Pfcount 命令返回给定 HyperLogLog 的基数估算值。

语法:PFCOUNT key [key ...]

127.0.0.1:6379> pfcount mypf        #返回mypf 的基数值
(integer) 8
127.0.0.1:6379> pfcount mypf2 #返回mypf2 的基数值
(integer) 8
127.0.0.1:6379> pfcount mypf mypf2 #返回mypf与mypf2 回基数估值之和
(integer) 13
127.0.0.1:6379>

3、Pgmerge 命令 - 将多个 HyperLogLog 合并为一个 HyperLogLog

语法:PFMERGE destkey sourcekey [sourcekey ...]

127.0.0.1:6379> pfmerge mypf3 mypf mypf2        #合并两组mypf mypf2 =>mypf3并集
OK
127.0.0.1:6379> pfcount mypf3 #计算mypf3的基数值
(integer) 13
127.0.0.1:6379>

三、Bitmaps

1、简介

(1)Bitmaps本身不是一种数据类型, 实际上它就是字符串(key-value),但是它可以对字符串的位进行操作。

(2)Bitmaps单独提供了一套命令, 所以在Redis中使用Bitmaps和使用字符串的方法不太相同。 可以把Bitmaps想象成一个以位为单位的数组, 数组的每个单元只能存储0和1, 数组的下标在Bitmaps中叫做偏移量。

2、常用命令

1、setbit-设置Bitmaps中某个偏移量的值(0或1)

语法:setbit key offset value

127.0.0.1:6379> setbit singn 0 0
(integer) 0
127.0.0.1:6379> setbit singn 2 1
(integer) 0
127.0.0.1:6379> setbit singn 3 0
(integer) 0
127.0.0.1:6379>

2、getbit-获取Bitmaps中某个偏移量的值

语法:getbit key offset

127.0.0.1:6379> getbit singn 3
(integer) 0
127.0.0.1:6379> getbit singn 2
(integer) 1
127.0.0.1:6379>

3、bitcount-统计字符串从start字节到end字节比特值为1的数量

语法:bitcount key start end

127.0.0.1:6379> setbit unique:users:2016-04-05 0 1
(integer) 0
127.0.0.1:6379> setbit unique:users:2016-04-05 5 1
(integer) 0
127.0.0.1:6379> setbit unique:users:2016-04-05 11 1
(integer) 0
127.0.0.1:6379> setbit unique:users:2016-04-05 15 1
(integer) 0
127.0.0.1:6379> setbit unique:users:2016-04-05 19 1
(integer) 0
127.0.0.1:6379> getbit unique:users:2016-04-05 8
(integer) 0
127.0.0.1:6379> getbit unique:users:2016-04-05 8
(integer) 0
127.0.0.1:6379> bitcount unique:users:2016-04-05
(integer) 5
127.0.0.1:6379> bitcount unique:users:2016-04-05 10 20
(integer) 0
127.0.0.1:6379> bitcount unique:users:2016-04-05 1 3
(integer) 3
127.0.0.1:6379>

10、Redis三种特殊的数据类型的更多相关文章

  1. cocos2dx中的三种基本的数据类型

    cocos2dx中提供了三种基本的数据类型:CCString(字符串),CCArray(数组),CCDictionary(数据字典(哈希的功能)) 2.CCString的用法 class  CCStr ...

  2. Jedis连接Redis三种模式

    这里说的三种工作模式是指: 1.单机模式 2.分片模式 3.集群模式(since 3.0) 说明图详见以下: 使用单机模式连接: private String addr="192.168.1 ...

  3. python实现redis三种cas事务操作

    cas全称是compare and set,是一种典型的事务操作. 简单的说,事务就是为了存取数据库中同一数据时不破坏操作的隔离性和原子性,从而保证数据的一致性. 一般数据库,比如MySql是如何保证 ...

  4. Redis三种集群模式介绍

    三种集群模式 redis有三种集群模式,其中主从是最常见的模式. Sentinel 哨兵模式是为了弥补主从复制集群中主机宕机后,主备切换的复杂性而演变出来的.哨兵顾名思义,就是用来监控的,主要作用就是 ...

  5. Redis三种模式——主从复制,哨兵模式,集群

    一.Redis主从复制作用 数据冗余:主从复制实现了数据的热备份,是持久化之外的一种数据冗余方式. 故障恢复:当主节点出现问题时,可以由从节点提供服务,实现快速的故障恢复:实际上是一种服务的冗余. 负 ...

  6. linux配置redis三种启动方式

    下载 wget http://download.redis.io/releases/redis-4.0.9.tar.gz 解压 tar -xzf redis-4.0.9.tar.gz -C /usr/ ...

  7. redis三种启动方式

    Part I. 直接启动下载 官网下载:http://redis.io/download安装 tar zxvf redis-2.8.9.tar.gzcd redis-2.8.9#直接make 编译ma ...

  8. redis三种连接方式

    安装 tar zxvf redis-2.8.9.tar.gz cd redis-2.8.9 #直接make 编译 make #可使用root用户执行`make install`,将可执行文件拷贝到/u ...

  9. 高并发下用pdo,文件排它锁,redis三种方法对比

    <?php header('content-type:text/html;charset=utf-8');                 // //无控制     // $DB_DSN = ' ...

随机推荐

  1. JDK的第三个LTS版本JDK17来了

    目录 简介 JDK17中的新特性 语言上的新特性 核心库的优化 支持新的平台 预览特性 其他改动 总结 简介 2021年9月JDK17发布了,JDK17是最新的一个LTS版本.所谓LTS版本就是可以得 ...

  2. ES6基础知识(async 函数)

    1.async 函数是什么?一句话,它就是 Generator 函数的语法糖. const fs = require('fs'); const readFile = function (fileNam ...

  3. 菜鸡的Java笔记 第六 - java 方法

    前提:现在所讲解的方法定义格式,只属于JAVA 方法定义的其中一种组成方式.而完整的组成方式将随着学习逐步渗透. 1.方法的基本定义 方法(Method)在一些书中也会有人将其说是  函数(Funct ...

  4. SpringCloud 2020.0.4 系列之 Stream 消息出错重试 与 死信队列 的实现

    1. 概述 老话说的好:出错不怕,怕的是出了错,却不去改正.如果屡次出错,无法改对,就先记下了,然后找援军解决. 言归正传,今天来聊一下 Stream 组件的 出错重试 和 死信队列. RabbitM ...

  5. dos的基本命令

    打开cmd的方式 开始+系统+命令提示符 Win键+R 输入cmd打开控制台(推荐使用) 在任意的文件夹下面,按住shift键+鼠标右键点击,在此处打开命令行窗口 资源管理器的地址栏前面加上cmd + ...

  6. 快速从零开始整合SSM,小白包会(1)

    整合SSM,关键就是几个xml的配置. 准备: 1.   Idea(配置好tomcat,可以安装插件freeMybatis,提高效率,安装插件不难,百度经验就有) 2.   下载好数据库MySql,以 ...

  7. [cf1270I]Xor on Figures

    考虑一个构造:令初始$2^{k}\times 2^{k}$的矩阵为$A$(下标从0开始),再构造一个矩阵$T$,满足仅有$T_{x_{i},y_{i}}=1$(其余位置都为0),定义矩阵卷积$\oti ...

  8. 【机器学习基础】卷积神经网络(CNN)基础

    最近几天陆续补充了一些"线性回归"部分内容,这节继续机器学习基础部分,这节主要对CNN的基础进行整理,仅限于基础原理的了解,更复杂的内容和实践放在以后再进行总结. 卷积神经网络的基 ...

  9. 使用bootstrap-table时导出excel开头的0被自动省略

    原因是excel"智能"识别数据格式,有时聪明反被聪明误. 解决方案:修改tableExport.js 搜索: if (typeof tdcss != 'undefined' &a ...

  10. Flink 是如何统一批流引擎的

    关注公众号:大数据技术派,回复"资料",领取1000G资料. 本文首发于我的个人博客:Flink 是如何统一批流引擎的 2015 年,Flink 的作者就写了 Apache Fli ...