redis 新数据类型
bitmaps
操作Ascii码的数据类型，能够有效的提高内存使用效率和开发效率
setbit：设置初始值
gebit：取值
bitcount： 统计数据被设置为1饿数量
bitmaps和set数据的对比：
很明显，这种情况使用bitmaps能节省很多的内存空间，尤其是随着时间推移节省的内存还是非常可观的
但是bitmaps并不是万金油，假如该网站每天的独立访问用户很少，假如只有10w(大量的僵尸用户)，那么两者的对比如下表所示：很显然，这时候使用bitmaps就不太合适了，因为基本上大部分都是0.
HyperLogLog
应用场景
HyperLogLog可用于解决与统计相关的功能需求，比如统计网站的页面访问量，虽然可以使用Redis的incr、incrby轻松实现。但像 独立访客、独立IP数、搜索记录数等需要去重和计数的问题如何解决?这种求集合中不重复元素个数的问题称为基数问题。"
解决基数问题有很多种方案:
数据存储在MySQL 表中，使用distinct count计算不重复个数
使用Redis 提供的 hash、setbitmaps等数据结构来处理
以上的方案结果精确，但随着数据不断增加，导致占用空间越来越大，对于非常大的数据集是不切实际的。Redis推出了HyperLogLog，这种数据结构能够降低一定的精度来平衡存储空间。
数据存储在MySQL 表中，使用distinct count计算不重复个数
使用Redis 提供的 hash、setbitmaps等数据结构来处理
以上的方案结果精确，但随着数据不断增加，导致占用空间越来越大，对于非常大的数据集是不切实际的。
Redis推出了HyperLogLog，这种数据结构能够降低一定的精度来平衡存储空间。
优点
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。这也是其占用内存少的原因。
用来做基数统计的算法，优点是在输入的元素的数量或者体积非常大时，计算基数所需的空间总是固定的，并且是很小的。在redis中，每个HyperLogLog健只需要占用12kb的内存。
常用的命令
1.pfadd：将元素添加到指定的HyperLogLog数据结构中，如果执行命令后words估计的近似基数发生变化，咋返回1，否则返回0
2.pfcount:计算words的近似基数
3.pfmerge：将一个或多个hyperloglog数据结构合并后的结果放到另一个hyperloglog中。
3.GeoSpatial
Redis 3.2 中增加了对 GEO 类型的支持。GEO，Geographic，地理信息的缩写。该类型，就是元素的2维坐标，在地图上就是经纬度。redis 基于该类型，提供了经纬度设置，查询，范围查询，距离查询，经纬度 Hash等常见操作。
常用命令
1.geoadd：添加位置信息
2.geopos：获取指定地址的坐标值
3.geodist：获取两个位置之间的直线距离
可选参数：
- m表示单位为米[默认值]。
- km 表示单位为千米。
- mi表示单位为英里。
- ft 表示单位为英尺。
如果用户没有显式地指定单位参数，那么geodist默认使用米作为单位。
4.georadius
以给定的经纬度为中心，找出某一半径内的元素
longitude：经度 latitude：纬度 radius：半径 可选参数：单位
标签：HyperLogLog,redis,元素,Redis,三种,内存,数据结构,基数 From： https://www.cnblogs.com/wiseleer/p/16906039.html