当前位置： 首页 > article >正文

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

article 2025/3/2 22:54:59

 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 member
 geohash 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id
    String 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

@Override
    public 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、distance
        String 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id
        if (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id
                    String 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Shop
        List<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

    @Override
    public Result sign() {
        // 获取当前用户id
        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
        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 

    @Override
    public 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

原文地址:https://blog.csdn.net/2301_80412275/article/details/145370221
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.kler.cn/a/526647.html

相关文章：

  • 【视频+图文详解】HTML基础1-html和css介绍、上网原理
  • 从零开始学习电池SOC算法
  • MySQL知识点总结（十五）
  • Deep Seek R1本地化部署
  • 如何解决Unit sshd.service could not be found
  • Vue.js组件开发-实现全屏背景图片滑动切换特效
  • 自动备案批量查询脚本
  • 系统思考—蝴蝶效应
  • AngularJS 模块
  • 【电工基础】低压电器元件，低压断路器（空开QF），接触器（KM）
  • Python NumPy（8）：NumPy 位运算、NumPy 字符串函数
  • 【Leetcode 每日一题 - 补卡】219. 存在重复元素 II
  • Python 变量和简单数据类型(Python之禅)
  • Leetcode：350
  • 基于SpringBoot 前端接收中文显示解决方案
  • Autosar-Os是怎么运行的？（内存保护）
  • Leetcode 40. 组合总和 II
  • 我的AI工具箱Tauri+Django内容生产介绍和使用
  • Day28（补）-【AI思考】-AI会不会考虑自己的需求？
  • MathType下载与安装详细教程