Redis实战（黑马点评）——redis存储地理信息、位图、HyperLogLog 用法

Redis存储geo数据类型基本介绍

geo 就是 geolocation 的简写形式，代表地理坐标。redis 在 3.2 版本中加入了对 geo 的支持，允许存储地理坐标信息，帮助我们根据经纬度来检索数据。常见的命令有：

geoadd：添加一个地理空间信息，包含：经度（longitude）、纬度（latitude）、值（member）

geoadd g1 116.378248 39.865275 bjn 116.428003 39.903738 bjz 116.322287 39.893729 bjx

# 添加城市  
GEOADD g1 116.3883 39.9289 "Beijing"  
GEOADD g1 121.4737 31.2304 "Shanghai"  
GEOADD g1 114.0667 22.5485 "Guangzhou"

geoadd <GEOkey> <经度（longitude）> <纬度（latitude）> <GEOname>

添加的数据如下

geopos：获取一个或多个成员的地理位置（经度和纬度）

GEOPOS key member
GEOPOS g1 bjx

geodist：计算指定的两个点之间的距离并返回

GEODIST key member1 member2 [unit]geodist g1 bjn bjx km

georadius：指定圆心、半径，找到该圆内包含的所有 member，并按照与圆心之间的距离排序返回。

GEORADIUS key longitude latitude radius [unit] [WITHDIST] [WITHCOORD] [WITHHASH] [COUNT count]GEORADIUS g1 116.397904 39.909005 10 km withdist

geohash：将指定的 member 的坐标转换为 hash 字符串并返回

GEOADD key longitude latitude membergeohash g1 bjz

Java操作redis对geo数据类型的操作

添加一个地理坐标

String redisKey = "geo1";
redisTemplate.opsForGeo().add(redisKey,new Point(113.883078,22.553291),"shenzhen");

删除一个键对应的地理成员

redisTemplate.opsForGeo().remove(String key, String member);
redisTemplate.opsForGeo().remove(redisKey, "shenzhen");

查询member坐标

List<Point> list = redisTemplate.opsForGeo().position(redisKey, "shenzhen","guangzhou");

查询以某点画圆所圈定的member

     Point center = new Point(113.8830,22.553); // 中点Circle circle = new Circle(center, 100000); // 单位为米GeoResults<RedisGeoCommands.GeoLocation<String>> results = redisTemplate.opsForGeo().radius(redisKey, circle); // 查询的中点和半径List<String> locations = results.getContent().stream().map(result -> result.getContent().getName()).collect(Collectors.toList()); // 获取成员的字段System.out.println(locations); // 默认是按照由近到远排序

计算两点距离

double value = redisTemplate.opsForGeo().distance(redisKey, "广州", "深圳", KILOMETERS).getValue();

获取以某点画圆所圈定的member以及对应的距离

// 创建一个Point对象，表示圆心的经纬度
Point center = new Point(116.373, 39.157);// 创建一个Circle对象，表示以center为圆心，半径为120公里的圆
// 注意：这里半径的单位是公里，而不是米
Circle circle = new Circle(center, new Distance(120, Metrics.KILOMETERS));// 使用RedisTemplate的opsForGeo().radius()方法查询圆内的member和距离
// redisKey是Redis中存储地理信息的key
// circle是查询的圆
// RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs().includeDistance()表示返回结果中包含距离
GeoResults<RedisGeoCommands.GeoLocation<Object>> results = redisTemplate.opsForGeo().radius(redisKey, circle, RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs().includeDistance());// 创建一个HashMap，用于存储member和到圆心的距离
Map<String, Double> distanceMap = new HashMap<>();// 遍历查询结果
for (GeoResult<RedisGeoCommands.GeoLocation<Object>> geoResult : results.getContent()) {// 获取member的idString member = geoResult.getContent().getName().toString(); // member// 获取member到圆心的距离double distanceToCenter = geoResult.getDistance().getValue(); // 到圆心的距离// 将member和距离存储到distanceMap中distanceMap.put(member, distanceToCenter);
}// 打印结果
System.out.println(distanceMap);

黑马点评中按照距离远近的顺序查询店铺具体代码实现

@Overridepublic Result queryShopByType(Integer typeId, Integer current, Double x, Double y) {
// 1.判断是否需要根据坐标查询if (x == null || y == null) {// 不需要坐标查询，按数据库查询Page<Shop> page = query().eq("type_id", typeId).page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE));// 返回数据return Result.ok(page.getRecords());}// 2.计算分页参数int from = (current - 1) * SystemConstants.DEFAULT_PAGE_SIZE;int end = current * SystemConstants.DEFAULT_PAGE_SIZE;// 3.查询redis、按照距离排序、分页。结果：shopId、distanceString key = SHOP_GEO_KEY + typeId;Point center = new Point(x, y); // 中点Circle circle = new Circle(center, 5000); // 单位为米GeoResults<RedisGeoCommands.GeoLocation<String>> results = redisTemplate.opsForGeo().radius(key, circle, RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs().includeDistance().sortAscending()); // 查询的中点和半径，并按距离升序排序// 4.解析出idif (results == null || results.getContent().isEmpty()) {return Result.ok(Collections.emptyList());}List<GeoResult<RedisGeoCommands.GeoLocation<String>>> list = results.getContent();if (list.size() <= from) {// 当前页没有数据，直接返回空列表return Result.ok(Collections.emptyList());}// 4.1.截取 from ~ end的部分List<Long> ids = new ArrayList<>(list.size());Map<String, Distance> distanceMap = new HashMap<>(list.size());list.stream().skip(from).limit(end - from).forEach(result -> {// 4.2.获取店铺idString shopIdStr = result.getContent().getName();ids.add(Long.valueOf(shopIdStr));// 4.3.获取距离Distance distance = result.getDistance();distanceMap.put(shopIdStr, distance);});// 5.根据id查询ShopList<String> idStrList = ids.stream().map(String::valueOf).collect(Collectors.toList());String idStr = StrUtil.join(",", idStrList);List<Shop> shops = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();for (Shop shop : shops) {Distance distance = distanceMap.get(shop.getId().toString());if (distance != null) {shop.setDistance(distance.getValue());}}// 6.返回return Result.ok(shops);}

BitMap位图

把每一个 bit 位对应当月的每一天，形成了映射关系。用 0 和 1 标示业务状态，这种思想就称为位图（BitMap）。比如签到。

Redis 中是利用 string 类型数据结构实现 BitMap，因此最大上限是 512M，转换为 bit 则是 2^32 个 bit 位。

bitmap的操作命令有：

setbit: 向指定位置（offset）存入一个0或1
getbit: 获取指定位置（offset）的bit值
bitcount: 统计bitmap中值为1的bit位的数量
bitfield: 操作（查询、修改、自增）bitmap中bit数组中的指定位置（offset）的值
bitfield_ro: 获取bitmap中bit数组，并以十进制形式返回
bitop: 将多个bitmap的结果做位运算（与、或、异或）
bitpos: 查询bit数组中指定范围内第一个0或1出现的位置

实现签到功能

实现签到

    @Overridepublic Result sign() {// 获取当前用户idLong Id = BaseContext.getCurrent().getId();// 获取当前时间LocalDate currentDate = LocalDate.now();// 将当前时间String化// 将当前时间转为对应天数String formattedDate = currentDate.format(DateTimeFormatter.ofPattern(":yyyy:MM"));// 获取当日是这个月的第几天int dayOfMonth = currentDate.getDayOfMonth();// redis签到redisTemplate.opsForValue().setBit("user" + Id + formattedDate, dayOfMonth , true);return Result.ok();}

统计这个月的签到天数

    @Overridepublic Result GetSignDays() {Long Id = BaseContext.getCurrent().getId();// 获取当前时间LocalDate currentDate = LocalDate.now();// 将当前时间String化// 将当前时间转为对应天数String formattedDate = currentDate.format(DateTimeFormatter.ofPattern(":yyyy:MM"));// 获取当日是这个月的第几天String key = "user" + Id + formattedDate;Long execute = (Long)redisTemplate.execute((RedisCallback<Long>) connection ->connection.bitCount(key.getBytes()) // 使用字符串序列化转为字节数组);return Result.ok(execute);}

HyperLogLog 用法

首先我们理解两个概念：

UV (Unique Visitor)：全称 Unique Visitor，也叫独立访客量，是指通过互联网访问该网站的自然人。1天内同一个用户多次访问该网站，只记录1次。
PV (Page View)：全称 Page View，也叫页面访问量或点击量。用户每访问网站的一个页面，记录1次 PV；用户多次打开同页面，则记录多次 PV。

UV 统计在服务端做会比较麻烦，因为需要判断该用户是否已经统计过了，需求将统计过的用户信息保存。

// TODO