目錄

BitMap

使用場景

1.?用戶簽到系統

2.?用戶行為標記

3.?布隆過濾器（Bloom Filter）

BitMap介紹?

Redis中的使用?

Redis功能示例

添加：?

獲取：

批量獲取：

?java中實現

?統計本月連續簽到次數

?UV統計

?UV 統計的核心需求

使用?HyperLogLog

UV 統計的常見場景

場景 1：每日 UV 統計

場景 2：月度 UV 統計

---

BitMap

使用場景

在開發中，Bitmap?經常被用于以下場景：

1.?用戶簽到系統

場景描述：
用戶每天簽到一次，系統需要記錄用戶每月的簽到情況，并支持快速查詢連續簽到天數、總簽到天數等。

實現方式：

• 使用一個?Bitmap，每一位代表一天（1表示簽到，0表示未簽到）。

• 例如，用戶ID為1的用戶在2023年10月的簽到記錄可以用一個31位的?Bitmap?表示。

優點：

• 存儲空間極小：一個月的簽到記錄只需要4字節（32位）。

• 查詢效率高：可以通過位運算快速計算連續簽到天數、總簽到天數等。

---

2.?用戶行為標記

場景描述：
系統需要標記用戶是否完成了某些行為（例如是否閱讀了某篇文章、是否參與了某個活動等）。

實現方式：

• 使用一個?Bitmap，每一位代表一個行為（1表示完成，0表示未完成）。

• 例如，用戶ID為1的用戶完成了行為A、B、D，可以用?0b1101?表示。

優點：

• 節省存儲空間：一個用戶的所有行為標記可以用一個整數表示。

• 支持快速查詢：通過位運算可以快速判斷用戶是否完成了某個行為。

---

3.?布隆過濾器（Bloom Filter）

場景描述：
布隆過濾器是一種概率型數據結構，用于快速判斷某個元素是否存在于一個集合中（可能存在誤判，但不會漏判）。

實現方式：

• 使用一個?Bitmap?作為布隆過濾器的底層存儲結構。

• 通過多個哈希函數將元素映射到?Bitmap?的不同位置，并將這些位置標記為1。

優點：

• 空間效率極高：適合海量數據的去重和查詢。

• 查詢速度快：時間復雜度為 O(1)。

BitMap介紹?

?

?如果是使用表來儲存，需要耗費大量的內存，數據庫壓力山大

因此我們換一種方式來存儲，一個月最多有31天，因此，如果某一天簽到了，那么對應的位為1，沒有則為0。這種方式只需要31bit，也就是8字節，大大節省了空間。

Redis中的使用?

Redis功能示例

添加：?

儲存為11100111

獲取：

批量獲取：

u2中的u表示儲存的為無符號，2表示只截取兩個比特位，截取結果為11，轉化為十進制就是3

?java中實現

    public Result sign() {// 獲取登錄用戶Long userId = UserHolder.getUser().getId();// 獲取日期LocalDateTime now = LocalDateTime.now();// 拼接用戶和日期變成keyString keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));
//        String key = "sign:"+userId+keySuffix;String key = USER_SIGN_KEY+userId+keySuffix;// 獲取今天是本月的第幾天int dayOfMonth = now.getDayOfMonth();// 寫入Redis setbit key offset 1stringRedisTemplate.opsForValue().setBit(key,dayOfMonth-1,true); // 注意這里需要減一因為在儲存中字節是從0開始的return Result.ok();}

?統計本月連續簽到次數

    @Overridepublic Result signCount() {// 獲取登錄用戶Long userId = UserHolder.getUser().getId();// 獲取日期LocalDateTime now = LocalDateTime.now();// 拼接用戶和日期變成keyString keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));
//        String key = "sign:"+userId+keySuffix;String key = USER_SIGN_KEY+userId+keySuffix;// 獲取今天是本月的第幾天int dayOfMonth = now.getDayOfMonth();//獲取本月為止的所有的簽到記錄，返回的是一個十進制的數字 BITFIELD key GET udayOfMonth 0List<Long> result = stringRedisTemplate.opsForValue().bitField(key,BitFieldSubCommands.create().get(BitFieldSubCommands.BitFieldType.unsigned(dayOfMonth)) // 子命令.valueAt(0));if(result == null || result.isEmpty()){return Result.ok(0);}//  為什么需要 get(0)？get(0) 是從 List<Long> 中獲取第一個元素。//  stringRedisTemplate.opsForValue().bitField(...) 返回的是一個 List<Long>，//  即使你只請求了一個值，它也會以列表的形式返回。//  因此，result.get(0) 獲取的是這個列表中的第一個元素，也就是你請求的簽到記錄的值。Long num = result.get(0);if(num == null || num == 0){return  Result.ok(0);}// 遍歷循環int cnt = 0;while(cnt < dayOfMonth){if ((num & 1) == 0) {break;}cnt++;// 把數字右移一位，拋棄最后一個bit位，繼續下一個bit位num >>>=1;}return Result.ok(cnt);}

?UV統計

在 Redis 中，UV（Unique Visitor）統計?是指統計某個時間段內訪問某個資源的獨立用戶數量。UV 統計是許多應用場景（如網站訪問量統計、廣告點擊統計等）中的核心需求。Redis 提供了多種數據結構和方法來實現高效的 UV 統計。

以下是 Redis 中 UV 統計的相關知識點介紹：

?UV 統計的核心需求

• 去重：同一個用戶在同一時間段內的多次訪問只算作一次。

• 高效存儲：需要支持海量用戶的統計。

• 快速查詢：能夠快速獲取某個時間段內的 UV 數據。

使用?HyperLogLog

原理：

• HyperLogLog 是一種概率算法，用于估算大量數據的基數（去重后的數量）。

• 它通過極小的存儲空間（每個 HyperLogLog 鍵只需要 12 KB）來統計 UV。

命令：

• PFADD key user_id：將用戶 ID 添加到 HyperLogLog 中。

• PFCOUNT key：獲取 UV 的估算值。

優點：

• 存儲空間極小，適合海量用戶的 UV 統計。

• 查詢速度快。

缺點：

• 結果是估算值，存在一定的誤差（標準誤差約為 0.81%）

UV 統計的常見場景

場景 1：每日 UV 統計

需求：

• 統計每天的獨立訪問用戶數。

實現：

• 使用?HyperLogLog，每天創建一個新的鍵（例如?uv:2023-10-01），將當天的用戶 ID 添加到鍵中。

• 每天結束時，使用?PFCOUNT?獲取當天的 UV 值。

場景 2：月度 UV 統計

需求：

• 統計每月的獨立訪問用戶數。

實現：

• 使用?HyperLogLog，將整個月的用戶 ID 添加到同一個鍵中（例如?uv:2023-10）。

• 每月結束時，使用?PFCOUNT?獲取當月的 UV 值。