Bitmap（位存储）
概念：Bitmap即位图数据结构，都是操作二进制位来进行记录，只有0 和 1 两个状态。
例如 11001001，表示的是[1,2,5,8]，Bitmap中1的个数就是基数。
Bitmap的长度和集合中元素的个数无关，而是与基数的上限有关。假如要计算上限为1亿的基数，则需要12.5M字节的Bitmap，就算集合中只有10个元素也需要12.5M。计算内存的方法：100000000/8/1024/1024 ≈ 12.5M。但是如果需要统计1000个对象，就需要大约12G的内存。
Bitmap也可以轻松合并多个集合，只需要将多个数组进行异或操作就可以。
常用命令
| 命令 | 简述 | 使用 |
|---|---|---|
| setbit | 设置位图的index位为status(1或0) | setbit bitmap index status |
| getbit | 获取位图的index位状态 | getbit bitmap index |
| bitcount | 统计位图1 的个数 | bitcount bitmap |
应用场景
比如：统计用户信息，活跃、不活跃！登录、未登录！打卡、未打卡！两个状态的，都可以使用BitMap。
如果存储一年的打卡状态需要多少内存呢？365 天 = 365 bit 1 字节 = 8 bit ，46个字节左右。
使用场景1：统计一周打卡次数
0-6为周一到周末，1表示已打卡，0表示未打卡
#========================记录一周内的打卡情况========================
127.0.0.1:6379> setbit sign 0 1
(integer) 0
127.0.0.1:6379> setbit sign 1 1
(integer) 0
127.0.0.1:6379> setbit sign 2 0
(integer) 0
127.0.0.1:6379> setbit sign 3 0
(integer) 0
127.0.0.1:6379> setbit sign 4 1
(integer) 0
127.0.0.1:6379> setbit sign 5 1
(integer) 0
127.0.0.1:6379> setbit sign 6 0
(integer) 0
#========================查看具体某一天的打卡情况========================
127.0.0.1:6379> getbit sign 2
(integer) 0
#========================统计一周内打卡次数========================
127.0.0.1:6379> bitcount sign
(integer) 4
使用场景2：统计活跃用户
使用时间作为Key，然后用户ID为offset，如果当日活跃过就设置为1
#记录2021年08月12日用户的状态
127.0.0.1:6379> setbit 20210812 1 1
(integer) 0
127.0.0.1:6379> setbit 20210812 2 0
(integer) 0
127.0.0.1:6379> setbit 20210812 3 0
(integer) 0
#查看指定用户在2021年08月12日是否活跃
127.0.0.1:6379> getbit 20210812 2
(integer) 0
#查看在2021年08月12日活跃的用户数
127.0.0.1:6379> bitcount 20210812
(integer) 1
HyperLogLog（基数统计）
一个大型的网站，每天IP比如有100万，粗算一个IP消耗15字节，那么100万个IP就是15M。而HyperLogLog在Redis中每个键占用的内容都是12K，理论存储近似接近264个值，不管存储的内容是什么，他是一个基于基数估算的算法， 只能比较准确的估算出基数，可以使用少量固定的内存去存储并识别集合中的唯一元素。而且这个估算的基数并不一定准确，是一个带有0.81%标准错误的近似值。
常用命令
| 命令 | 简述 | 使用 |
|---|---|---|
| pfadd | 添加指定元素到 HyperLogLog 中 | pfadd key element [element...] |
| pfcount | 返回给定 HyperLogLog 的基数估算值 | pfcount key |
| pfmerge | 将多个 HyperLogLog 合并为一个 HyperLogLog | pfmerge destkey sourcekey [sourcekey ...] |
应用场景
- 统计各种计数。比如注册IP数、每日访问IP数、页面实时UV、在线用户数、共同好友数等。
Redis 在 2.8.9 版本添加了 HyperLogLog 结构。
Redis HyperLogLog 是用来做基数统计的算法，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。
在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基 数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。
但是，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。
常用命令：
序号 命令及描述
1 [PFADD key element [element …]添加指定元素到 HyperLogLog 中。
2 [PFCOUNT key [key …] 返回给定 HyperLogLog 的基数估算值。
3 [PFMERGE destkey sourcekey [sourcekey …] 将多个 HyperLogLog 合并为一个 HyperLogLog
使用实例：
#添加指定元素到 HyperLogLog 中
127.0.0.1:6379> pfadd key1 a b c d e f g h
(integer) 1
#返回给定 HyperLogLog 的基数估算值
127.0.0.1:6379> pfcount key1
(integer) 8
127.0.0.1:6379> pfadd key2 e f g h x w y x z
(integer) 1
127.0.0.1:6379> pfcount key2
(integer) 8
#将多个 HyperLogLog 合并为一个 HyperLogLog
127.0.0.1:6379> pfmerge key3 key1 key2
OK
127.0.0.1:6379> pfcount key3
(integer) 12
