Redis的Bitmap如何使用

本文小編為大家詳細(xì)介紹“Redis的Bitmap如何使用”，內(nèi)容詳細(xì)，步驟清晰，細(xì)節(jié)處理妥當(dāng)，希望這篇“Redis的Bitmap如何使用”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學(xué)習(xí)新知識吧。

I. 基本使用

1. 配置

我們使用 SpringBoot 2.2.1.RELEASE來搭建項(xiàng)目環(huán)境，直接在pom.xml中添加 redis 依賴

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

如果我們的 redis 是默認(rèn)配置，則可以不額外添加任何配置；也可以直接在application.yml配置中，如下

spring:
  redis:
    host: 127.0.0.1
    port: 6379
    password:

2. 使用姿勢

bitmap 主要就三個操作命令，setbit，getbit以及 bitcount

a. 設(shè)置標(biāo)記

即setbit，主要是指將某個索引，設(shè)置為 1(設(shè)置 0 表示抹去標(biāo)記)，基本語法如下

# 請注意這個index必須是數(shù)字，后面的value必須是0/1
setbit key index 0/1

對應(yīng)的 SpringBoot 中，借助 RestTemplate 可以比較容易的實(shí)現(xiàn)，通常有兩種寫法，都可以

@Autowired
private StringRedisTemplate redisTemplate;

/**
 * 設(shè)置標(biāo)記位
 *
 * @param key
 * @param offset
 * @param tag
 * @return
 */
public Boolean mark(String key, long offset, boolean tag) {
    return redisTemplate.opsForValue().setBit(key, offset, tag);
}

public Boolean mark2(String key, long offset, boolean tag) {
    return redisTemplate.execute(new RedisCallback<Boolean>() {
        @Override
        public Boolean doInRedis(RedisConnection connection) throws DataAccessException {
            return connection.setBit(key.getBytes(), offset, tag);
        }
    });
}

上面兩種寫法的核心區(qū)別，就是 key 的序列化問題，第一種寫法使用默認(rèn)的 jdk 字符串序列化，和后面的getBytes()會有一些區(qū)別，關(guān)于這個，有興趣的小伙伴可以看一下我之前的博文: RedisTemplate 配置與使用#序列化問題

b. 判斷存在與否

即 getbit key index，如果返回 1，表示存在否則不存在

/**
 * 判斷是否標(biāo)記過
 *
 * @param key
 * @param offest
 * @return
 */
public Boolean container(String key, long offest) {
    return redisTemplate.opsForValue().getBit(key, offest);
}

c. 計(jì)數(shù)

即 bitcount key，統(tǒng)計(jì)和

/**
 * 統(tǒng)計(jì)計(jì)數(shù)
 *
 * @param key
 * @return
 */
public long bitCount(String key) {
    return redisTemplate.execute(new RedisCallback<Long>() {
        @Override
        public Long doInRedis(RedisConnection redisConnection) throws DataAccessException {
            return redisConnection.bitCount(key.getBytes());
        }
    });
}

3. 應(yīng)用場景

前面的基本使用比較簡單，在介紹 String 數(shù)據(jù)結(jié)構(gòu)的時候也提過，我們重點(diǎn)需要關(guān)注的是 bitmap 的使用場景，它可以干嘛用，什么場景下使用它會有顯著的優(yōu)勢

• 日活統(tǒng)計(jì)

• 點(diǎn)贊

• bloomfilter

上面三個場景雖有相似之處，但實(shí)際的應(yīng)用場景還是些許區(qū)別，接下來我們逐一進(jìn)行說明

a. 日活統(tǒng)計(jì)

統(tǒng)計(jì)應(yīng)用或網(wǎng)站的日活，這個屬于比較常見的 case 了，如果是用 redis 來做這個事情，首先我們最容易想到的是 Hash 結(jié)構(gòu)，一般邏輯如下

• 根據(jù)日期，設(shè)置 key，如今天為 2020/10/13, 那么 key 可以為 app_20_10_13

• 其次當(dāng)用戶訪問時，設(shè)置 field 為 userId, value 設(shè)置為 true

• 判斷日活則是統(tǒng)計(jì) map 的個數(shù)hlen app_20_10_13

上面這個邏輯有毛病么？當(dāng)然沒有問題，但是想一想，當(dāng)我們的應(yīng)用做的很 nb 的時候，每天的日活都是百萬，千萬級時，這個內(nèi)存開銷就有點(diǎn)嚇人了

接下來我們看一下 bitmap 可以怎么做

• 同樣根據(jù)日期設(shè)置 key

• 當(dāng)用戶訪問時，index 設(shè)置為 userId，setbit app_20_10_13 uesrId 1

• 日活統(tǒng)計(jì) bitcount app_20_10_13

簡單對比一下上面兩種方案

當(dāng)數(shù)據(jù)量小時，且 userid 分布不均勻，小的為個位數(shù)，大的幾千萬，上億這種，使用 bitmap 就有點(diǎn)虧了，因?yàn)?userId 作為 index，那么 bitmap 的長度就需要能容納最大的 userId，但是實(shí)際日活又很小，說明 bitmap 中間有大量的空白數(shù)據(jù)

反之當(dāng)數(shù)據(jù)量很大時，比如百萬/千萬，userId 是連續(xù)遞增的場景下，bitmap 的優(yōu)勢有兩點(diǎn)：1.存儲開銷小， 2.統(tǒng)計(jì)總數(shù)快

c. 點(diǎn)贊

點(diǎn)贊的業(yè)務(wù)，最主要的一點(diǎn)是一個用戶點(diǎn)贊過之后，就不能繼續(xù)點(diǎn)贊了（當(dāng)然某些業(yè)務(wù)場景除外），所以我們需要知道是否可以繼續(xù)點(diǎn)贊

上面這個 hash 當(dāng)然也可以實(shí)現(xiàn)，我們這里則主要討論一下 bitmap 的實(shí)現(xiàn)邏輯

• 比如我們希望對一個文章進(jìn)行點(diǎn)贊統(tǒng)計(jì)，那么我們根據(jù)文章 articleId 來生成 redisKey=like_1121，將 userId 作為 index

• 首先是通過getbit like_1121 userId 來判斷是否點(diǎn)贊過，從而限制用戶是否可以操作

Hash 以及 bitmap 的選擇和上面的考量范圍差不多

d. 布隆過濾器 bloomfilter

布隆過濾器可謂是大名鼎鼎了，我們這里簡單的介紹一下這東西是啥玩意

• 底層存儲為一個 bitmap

• 當(dāng)來一個數(shù)據(jù)時，經(jīng)過 n 個 hash 函數(shù)，得到 n 個數(shù)值

• 將 hash 得到的 n 個數(shù)值，映射到 bitmap，標(biāo)記對應(yīng)的位置為 1

如果來一個數(shù)據(jù)，通過 hash 計(jì)算之后，若這個 n 個值，對應(yīng)的 bitmap 都是 1，那么表示這個數(shù)據(jù)可能存在；如果有一個不為 1，則表示這個數(shù)據(jù)一定不存在

請注意：不存在時，是一定不存在；存在時，則不一定

從上面的描述也知道，bloomfilter 的底層數(shù)據(jù)結(jié)構(gòu)就是 bitmap，當(dāng)然它的關(guān)鍵點(diǎn)在 hash 算法；根據(jù)它未命中時一定不存在的特性，非常適用于緩存擊穿的問題解決

體驗(yàn)說明

Redis 的布隆過濾器主要針對>=4.0，通過插件的形式提供，項(xiàng)目源碼地址為: https://github.com/RedisBloom/RedisBloom，下面根據(jù) readme 的說明，簡單的體驗(yàn)一下 redis 中 bloomfilter 的使用姿勢

# docker 方式安裝
docker run -p 6379:6379 --name redis-redisbloom redislabs/rebloom:latest

# 通過redis-cli方式訪問
docker exec -it redis-redisbloom bash

# 開始使用
# redis-cli
127.0.0.1:6379> keys *
(empty array)
127.0.0.1:6379> bf.add newFilter hello
(integer) 1
127.0.0.1:6379> bf.exists newFilter hello
(integer) 1
127.0.0.1:6379> bf.exists newFilter hell
(integer) 0

bloomfilter 的使用比較簡單，主要是兩個命令bf.add添加元素，bf.exists判斷是否存在，請注意它沒有刪除哦

讀到這里，這篇“Redis的Bitmap如何使用”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點(diǎn)還需要大家自己動手實(shí)踐使用過才能領(lǐng)會，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注億速云行業(yè)資訊頻道。