14天学习训练营导师课程: 郑为中《Vue和SpringBoot打造假日旅社管理系统》
努力是为了不平庸~
学习有些时候是枯燥的,但收获的快乐是加倍的,欢迎记录下你的那些努力时刻(学习知识点/题解/项目实操/遇到的bug/等等),在分享的同时加深对于知识点的理解,同时吸收他人的奇思妙想,一起见证技术er的成长~
你可以从以下几个方面着手(不强制),或者根据自己对学习课程主题的理解创作,参考如下:
Geospatial(地理位置)
使用经纬度定位地理坐标,底层实现原理就是用一个有序集合zset保存,所以zset命令也可以使用
命令 | 描述 |
---|---|
geoadd key longitud(经度) latitude(纬度) member(名称) [..] | 将具体经纬度的坐标存入一个有序集合 |
geopos key member [member..] | 获取集合中的一个/多个成员坐标 |
geodist key member1 member2 [unit] | 返回两个给定位置之间的距离。默认以米作为单位。 |
georadius key longitude latitude radius m|km|mi|ft [WITHCOORD][WITHDIST] [WITHHASH] [COUNT count] | 以给定的经纬度为中心, 返回集合包含的位置元素当中, 与中心的距离不超过给定最大距离的所有位置元素。 |
GEORADIUSBYMEMBER key member radius... | 功能与GEORADIUS相同,只是中心位置不是具体的经纬度,而是使用结合中已有的成员作为中心点。 |
geohash key member1 [member2..] | 返回一个或多个位置元素的Geohash表示。使用Geohash位置52点整数编码。 |
$ geopos china:city beijing 获取集合中的一个/多个成员坐标 获得当前定位。是一个坐标值$ geodist china:city beijing shanghai$ GEORADIUS china:city 120 30 500 km withcoord # 显示出经度和维度$ GEORADIUS china:city 120 30 500 km withdist # 显示到中间的距离$ GEORADIUS china:city 120 30 500 km withcoord withdist count 1 # 筛选出指定的结果# 找出位于指定元素周围的其他元素$ GEORADIUSBYMEMBER china:city shanghai 400 km # 显示在上海周围400km内的城市# 该命令将返回11个字符的geohash字符串# 将二维的经纬度转换未一维的字符转,两个字符串越接近,相距越近。127.0.0.1:6379> geohash china:city beijing shanghai
有效经纬度
- 有效的经度从-180度到180度。
- 有效的纬度从-85.05112878度到85.05112878度。
指定单位的参数 unit 必须是以下单位的其中一个:
- 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。
关于GEORADIUS的参数
通过
georadius
就可以完成 附近的人功能
withcoord:带上坐标
withdist:带上距离,单位与半径单位相同
COUNT n : 只显示前n个(按距离递增排序)
- georadius
# 查询经纬度(120,30)坐标500km半径内的成员127.0.0.1:6379> GEORADIUS china:city 120 30 500 km withcoord withdist 1) 1) "hangzhou" 2) "29.4151" 3) 1) "120.20000249147415" 2) "30.199999888333501"2) 1) "shanghai" 2) "205.3611" 3) 1) "121.40000134706497" 2) "31.400000253193539"
- geohash
127.0.0.1:6379> geohash china:city yichang shanghai # 获取成员经纬坐标的geohash表示1) "wmrjwbr5250"2) "wtw6ds0y300"
Hyperloglog(基数统计)
Redis HyperLogLog 是用来做基数统计的算法,例如: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,然后可以统计set中的元素数量作为标准判断。如果保存大量的ID就会麻烦。目的是为了计数,而不是为了保存用户id
HyperLogLog 的优点是,在输入元素的数量或者体积非常非常大时,计算基数所需的空间总是固定的、并且是很小的。
仅花费 12 KB 内存,就可以计算接近 2^64 个不同元素的基数。 但是会有一定的容错
- 如果允许容错,那么一定可以使用Hyperloglog !
- 如果不允许容错,就使用set或者自己的数据类型即可 !
因为 HyperLogLog 只会根据输入元素来计算基数,而不会储存输入元素本身,所以 HyperLogLog 不能像集合那样,返回输入的各个元素。
其底层使用string数据类型
什么是基数?
数据集中不重复的元素的个数。
应用场景:
网页的访问量(UV):一个用户多次访问,也只能算作一个人。
传统实现,存储用户的id,然后每次进行比较。当用户变多之后这种方式及其浪费空间,而我们的目的只是计数,Hyperloglog就能帮助我们利用最小的空间完成。
命令 | 描述 |
---|---|
PFADD key element1 [elememt2..] | 添加指定元素到 HyperLogLog 中 |
PFCOUNT key [key] | 返回给定 HyperLogLog 的基数估算值。 |
PFMERGE destkey sourcekey [sourcekey..] | 将多个 HyperLogLog 合并为一个 HyperLogLog |
- PFADD–PFCOUNT
127.0.0.1:6379> PFADD myelemx a b c d e f g h i j k # 添加元素(integer) 1127.0.0.1:6379> type myelemx # hyperloglog底层使用Stringstring127.0.0.1:6379> PFCOUNT myelemx # 估算myelemx的基数(integer) 11127.0.0.1:6379> PFADD myelemy i j k z m c b v p q s(integer) 1127.0.0.1:6379> PFCOUNT myelemy(integer) 11
- PFMERGE
127.0.0.1:6379> PFMERGE myelemz myelemx myelemy # 合并myelemx和myelemy 成为myelemzOK127.0.0.1:6379> PFCOUNT myelemz # 估算基数(integer) 17
BitMaps(位图)
使用位存储,信息状态只有 0 和 1,操作二进制位进行记录
Bitmap是一串连续的2进制数字(0或1),每一位所在的位置为偏移(offset),在bitmap上可执行AND,OR,XOR,NOT以及其它位操作。
应用场景
签到统计、状态统计,统计用户信息:活跃,登陆状态等
命令 | 描述 |
---|---|
setbit key offset value | 为指定key的offset位设置值 |
getbit key offset | 获取offset位的值 |
bitcount key [start end] | 统计字符串被设置为1的bit数,也可以指定统计范围按字节 |
bitop operration destkey key[key..] | 对一个或多个保存二进制位的字符串 key 进行位元操作,并将结果保存到 destkey 上。 |
BITPOS key bit [start] [end] | 返回字符串里面第一个被设置为1或者0的bit位。start和end只能按字节,不能按位 |
- setbit–getbit
127.0.0.1:6379> setbit sign 0 1 # 设置sign的第0位为 1 (integer) 0127.0.0.1:6379> setbit sign 2 1 # 设置sign的第2位为 1 不设置默认 是0(integer) 0127.0.0.1:6379> setbit sign 3 1(integer) 0127.0.0.1:6379> setbit sign 5 1(integer) 0127.0.0.1:6379> type signstring127.0.0.1:6379> getbit sign 2 # 获取第2位的数值(integer) 1127.0.0.1:6379> getbit sign 3(integer) 1127.0.0.1:6379> getbit sign 4 # 未设置默认是0(integer) 0
- bitcount
127.0.0.1:6379> BITCOUNT sign # 统计sign中为1的数量(integer) 4
bitmaps的底层
设置以后能get到的值是:\xA2\x80,所以bitmaps是一串从左到右的二进制串
来源地址:https://blog.csdn.net/qq_43585922/article/details/128125841