1、String

1.1、介绍

String 是最基本的 key-value 结构，key 是唯一标识，value 是具体的值，value其实不仅是字符串， 也可以是数字（整数或浮点数），value 最多可以容纳的数据长度是 512M

1.2、内部实现

String类型的底层数据结构实现是int和SDS（Simple Dynamic String，简单动态字符串）

• SDS

  • SDS不仅可以保存文本数据，还可以保存二进制数据

• SDS获取字符串长度的时间复杂度是O(1)

  • 而 SDS 结构里用 len 属性记录了字符串长度，所以复杂度为 O(1)

• Redis的SDS API是安全的，拼接字符串不会造成缓冲区溢出

  • SDS 在拼接字符串之前会检查 SDS 空间是否满足要求，如果空间不够会自动扩容，所以不会导致缓冲区溢出的问题

• SDS数据结构

  

  • len：记录buf数组中已使用字节的数量
  • free：记录buf数组中未使用字节的数量
  • buf[]: 字节数组，用于保存字符串

1.3、常用命令

1.3.1、基础操作

# 设置 key-value 类型的值
SET key value
# 根据key，获取对应的value
GET key
# 判断某个key是否存在
EXISTS key
# 返回key所存储的字符串值的长度
STRLEN key
# 删除某个key对应的值
DEL key

1.3.2、批量操作

# 批量设置key - value
MSET key1 value1 key2 value2
# 批量获取多个key对应的value
MGET key1 key2

1.3.3、计数器

字符串的内容发为整数的时候可以使用计数器操作

# 设置一个number的key，值为0（整数）
SET number 0
# 将key中存储的数字值增1
INCR number
# 将key中存储的数字值增10
INCRBY number 10
# 将key中存储的数字值减1
DECR number 1
# 将key中存储的数字值减10
DECRBY number 10

1.3.4、过期操作

默认为永不过期

# 设置key在 10秒后过期（该方法是针对已存在的key设置的过期时间）
EXPIRE key 10
# 查看key还有多久过期
TTL key
# 设置key-value，并设置key过期时间为10秒
# 方式一
SET key value EX 10
# 方式二
SETEX key 10 value

1.3.5、判断是否存在

不存在即插入

SETNX key value

1.4、应用场景

• 缓存对象

  • 缓存整个对象的JSON
    • SET user:1 ‘{“name”:“PP”, “age”:18}’

• 采用将 key 进行分离为 user:ID:属性，采用 MSET 存储，用 MGET 获取各属性值

  • MSET user:1:name PP user:1:age 18 user:2:name CC user:2:age 20

• 常规计数

  • 业务场景

    • 访问次数

      

    • 点赞

    • 转发

    • 库存数量

• 分布式锁

  • SET命令的NX参数

    • 如果key不存在，显示插入成功，可以用来表示加锁成功
    • 如果key存在，则会显示插入失败，可以用来表示加锁失败

• 对分布式锁加上过期时间，分布式锁的命令：SET lock_key unique_value NX PX 10000

  • lock_key就是key键
  • unique_value 是客户端生成的唯一的标识
  • NX 代表只在 lock_key 不存在时，才对 lock_key 进行设置操作
  • PX 10000 表示设置 lock_key 的过期时间为 10s，这是为了避免客户端发生异常而无法释放锁

• 通过lua脚本保证解锁的原子性

  

• 共享Session信息

  • 设计

    • 借助 Redis 对这些 Session 信息进行统一的存储和管理，这样无论请求发送到那台服务器，服务器都会去同一个 Redis 获取相关的 Session 信息，这样就解决了分布式系统下 Session 存储的问题

      

2、List

2.1、介绍

List 列表是简单的字符串列表，按照插入顺序排序，可以从头部或尾部向 List 列表添加元素。

列表的最大长度为 2^32 - 1，也即每个列表支持超过 40 亿个元素

特点：

• 高效的节点重排能力【按照插入顺序排序，头插、尾插】

• 顺序访问节点

• 通过增删节点灵活调整链表长度

2.2、内部实现

• listNode

  • 结构

    

  • 双端链表

    • 链表节点带有prev和next指针

    • 获取某个节点的前置节点和后置节点复杂度都是O(1)

  

• list

  • 结构

  

  • 无环链表

    • 表头节点的prev指针和表尾节点的next指针都指向NULL

    • 对链表的访问以NULL为终点

  

总结：

• 带表头指针和表尾指针

  • 通过list结构的head指针和tail指针

• 获取链表的表头节点和表尾节点的复杂度为O(1)

• 带链表长度计数器

  • list结构的len属性可以获取链表中节点数量

• 时间复杂度为O(1)

• 多态

  • 链表节点使用void*指针来保存节点值

• 通过list结构的dup、free、match三个属性为节点值设置类型特定函数

• 链表可以保存各种不同类型的值

2.3、常用命令

• LPUSH key value [ value … ]

  • 将一个或多个值value插入到key列表的表头（最左边，头插）
  • 最后插入的值在最前面

• RPUSH key value [ value … ]

  • 将一个或多个值value插入到key列表的表尾（最右边）
  • 保证最后插入的值，在尾巴

• LPOP

  • 移除并返回key列表的头元素

• RPOP

  • 移除并返回key列表的尾元素

• LRANGE key start stop

  • 返回列表key中指定区间内的元素

• 区间以偏移量start 和 stop指定，从0开始

• BLPOP key [ key … ] timeout

  • 从key列表表头弹出一个元素，没有就阻塞timeout秒，如果timeout = 0 就一直阻塞

• BRPOP key [ key … ] timeout

  • 从key列表表尾弹出一个元素，没有就阻塞timeout秒，如果timeout = 0 就一直阻塞

RPUSH、LRANGE、LINDEX和LPOP的使用示例：

# 在向列表推入新元素之后，该命令会返回列表当前的长度
127.0.0.1:6379> RPUSH list-key item1
(integer) 1
127.0.0.1:6379> RPUSH list-key item2
(integer) 2
127.0.0.1:6379> RPUSH list-key item1
(integer) 3
# 使用0为范围的起始索引，-1为范围的结束索引，可以取出列表包含的所有元素
127.0.0.1:6379> LRANGE list-key 0 -1
1) "item1"
2) "item2"
3) "item1"
# 使用LINDEX可以从列表里面取出单个元素，被取出元素仍然在列表内
127.0.0.1:6379> LINDEX list-key 1
"item2"
# 从列表里面弹出一个元素，被弹出的元素将不再存在于列表内
127.0.0.1:6379> LPOP list-key
"item1"
127.0.0.1:6379> LRANGE list-key 0 -1
1) "item2"
2) "item1"
127.0.0.1:6379>

2.4、应用场景

• 消息队列

  • 存取消息需求

    • 消息保存

      • List

        • LPUSH + RPOP
        • RPUSH + LPOP

    • 处理重复的消息

    • 保证消息可靠性

• 生产者&消费者

  • 生产者使用 LPUSH key value[value…] 将消息插入到队列的头部，如果 key 不存在则会创建一个空的队列再插入消息
  • 消费者使用 RPOP key 依次读取队列的消息，先进先出

3、Hash

3.1、介绍

Hash 是一个键值对（key - value）集合，其中 value 的形式如： value=[{field1，value1}，...{fieldN，valueN}]

Hash 特别适合用于存储对象

特点：

• 一个键（key）可以和一个值（value）进行关联

• 每个键，独一无二

3.2、内部实现

Redis的字典使用哈希表做为底层实现，一个哈希表里面可以有多个哈希表节点，每个哈希表节点保存了字典中的一个键值对

• Dictht结构

  

  • table是一个数组，数组中的每个元素都是一个指向dicyEntry结构的指针，每个dictEntry结构保存着一个键值对
  • size属性记录了哈希表的大小，即table数组的大小
  • used记录哈希表目前已有节点（键值对）的数量

• DictEntry结构

  

  • key 保存键值对中的键
  • v保存键值对中的值

• dict结构

• dictType结构

3.3、常用命令

• HSET key field value

  • 设置key 的键值对

• 案例

  • 存
  • 

• HGET key field

  • 获取key中field的值

    

• HMSET key field value [field value…]

  • 在一个哈希表key中存储多个键值对

• HMGET key field [field …]

  • 批量获取数据

    

• HDEL key field [field …]

  • 删除哈希表key中的field键值

• HLEN key

  • 返回哈希表key中field的数量

• HGETALL key

  • 返回哈希表key中所有的键值

• HINCRBY key field n

  • 为哈希表key中field键的值加上增量n

HSET、HGET、HGETALL和HDEL的使用示例：

# 在尝试添加键值对到散列的时候，命令会返回一个值来表示给定的键是否已经存在于散列里面
# 1不存在，0存在
127.0.0.1:6379> HSET hash-key sub-key1 value1
(integer) 1
127.0.0.1:6379> HSET hash-key sub-key2 value2
(integer) 1
127.0.0.1:6379> HSET hash-key sub-key1 value1
(integer) 0
# 获取散列包含的所有键值对
127.0.0.1:6379> HGETALL hash-key
1) "sub-key1"
2) "value1"
3) "sub-key2"
4) "value2"
# 在删除键值对的时候，命令会返回一个值来表示给定的键在移除之前是否存在于散列里面
# 1存在，0不存在
127.0.0.1:6379> HDEL hash-key sub-key2
(integer) 1
127.0.0.1:6379> HDEL hash-key sub-key2
(integer) 0
# 从散列里面获取某个键的值
127.0.0.1:6379> HGET hash-key sub-key1
"value1"
127.0.0.1:6379> HGETALL hash-key
1) "sub-key1"
2) "value1"

3.4、应用场景

• 缓存对象

• 购物车

  • 添加商品：HSET cart:{用户id} {商品id} 1
  • 添加数量：HINCRBY cart:{用户id} {商品id} 1
  • 商品总数：HLEN cart:{用户id}
  • 删除商品：HDEL cart:{用户id} {商品id}
  • 获取购物车所有商品：HGETALL cart:{用户id}

3.5、解决键冲突

Redis的哈希表采用链地址法（separate chaining）来解决键冲突

每个哈希表节点都有一个next指针，多个哈希表节点可以用next指针构成一个单向链表，被分配到同一个索引上的多个节点可以用这个单向链表连接起来，这就解决键冲突问题

4、Set

4.1、介绍

Set 类型是一个无序并唯一的键值集合，它的存储顺序不会按照插入的先后顺序进行存储。

一个集合最多可以存储 2^32-1 个元素。概念和数学中个的集合基本类似，可以交集，并集，差集等等，所以 Set 类型除了支持集合内的增删改查，同时还支持多个集合取交集、并集、差集。

特点：

• 无序，存储顺序不会按照插入的先后顺序进行存储

• 唯一，Set只能存储非重复元素

4.2、内部实现

• 哈希表+整数集合

• intset

  • 结构

    • contents

      • 整数集合的每个元素都是contents数组的一个数组项（item）
      • 各个项在数组中按值的大小从小到大有序地排列
      • 数组中不包含任何重复项

    • length

      • 记录了整数集合包含的元素数量，即contents数组的长度

4.3、常用命令

• 常用操作

# 往集合key中存入元素，元素存在则忽略，若key不存在则新建
SADD key member [member ...]
# 从集合key中删除元素
SREM key member [member ...] 
# 获取集合key中所有元素
SMEMBERS key
# 获取集合key中的元素个数
SCARD key# 判断member元素是否存在于集合key中
SISMEMBER key member# 从集合key中随机选出count个元素，元素不从key中删除
SRANDMEMBER key [count]
# 从集合key中随机选出count个元素，元素从key中删除
SPOP key [count]

• 运算操作

# 交集运算
SINTER key [key ...]
# 将交集结果存入新集合destination中
SINTERSTORE destination key [key ...]# 并集运算
SUNION key [key ...]
# 将并集结果存入新集合destination中
SUNIONSTORE destination key [key ...]# 差集运算
SDIFF key [key ...]
# 将差集结果存入新集合destination中
SDIFFSTORE destination key [key ...]

SADD、SMEMBERS、SISMEMBER和SREM的使用示例：

127.0.0.1:6379> SADD set-key item
(integer) 1
127.0.0.1:6379> SADD set-key item2
(integer) 1
127.0.0.1:6379> SADD set-key item3
(integer) 1
127.0.0.1:6379> SADD set-key item
(integer) 0
127.0.0.1:6379> SMEMBERS set-key
1) "item2"
2) "item3"
3) "item"
127.0.0.1:6379> SISMEMBER set-key item4
(integer) 0
127.0.0.1:6379> SISMEMBER set-key item
(integer) 1
127.0.0.1:6379> SREM set-key item2
(integer) 1
127.0.0.1:6379> SREM set-key item2
(integer) 0
127.0.0.1:6379> SMEMBERS set-key
1) "item2"
2) "item"

4.4、应用场景

集合的主要几个特性，无序、不可重复、支持并交差等操作。

因此 Set 类型比较适合用来数据去重和保障数据的唯一性，还可以用来统计多个集合的交集、错集和并集等，当我们存储的数据是无序并且需要去重的情况下，比较适合使用集合类型进行存储。

但是要提醒你一下，这里有一个潜在的风险。Set 的差集、并集和交集的计算复杂度较高，在数据量较大的情况下，如果直接执行这些计算，会导致 Redis 实例阻塞。

在主从集群中，为了避免主库因为 Set 做聚合计算（交集、差集、并集）时导致主库被阻塞，我们可以选择一个从库完成聚合统计，或者把数据返回给客户端，由客户端来完成聚合统计。

点赞

Set 类型可以保证一个用户只能点一个赞，这里举例子一个场景，key 是文章id，value 是用户id。

uid:1 、uid:2、uid:3 三个用户分别对 article:1 文章点赞了。

# uid:1 用户对文章 article:1 点赞
> SADD article:1 uid:1
(integer) 1
# uid:2 用户对文章 article:1 点赞
> SADD article:1 uid:2
(integer) 1
# uid:3 用户对文章 article:1 点赞
> SADD article:1 uid:3
(integer) 1

uid:1 取消了对 article:1 文章点赞。

> SREM article:1 uid:1
(integer) 1

获取 article:1 文章所有点赞用户 :

> SMEMBERS article:1
1) "uid:3"
2) "uid:2"

获取 article:1 文章的点赞用户数量：

> SCARD article:1
(integer) 2

判断用户 uid:1 是否对文章 article:1 点赞了：

> SISMEMBER article:1 uid:1
(integer) 0  # 返回0说明没点赞，返回1则说明点赞了

共同关注

Set 类型支持交集运算，所以可以用来计算共同关注的好友、公众号等。

key 可以是用户id，value 则是已关注的公众号的id。

uid:1 用户关注公众号 id 为 5、6、7、8、9，uid:2 用户关注公众号 id 为 7、8、9、10、11。

# uid:1 用户关注公众号 id 为 5、6、7、8、9
> SADD uid:1 5 6 7 8 9
(integer) 5
# uid:2  用户关注公众号 id 为 7、8、9、10、11
> SADD uid:2 7 8 9 10 11
(integer) 5

uid:1 和 uid:2 共同关注的公众号：

# 获取共同关注
> SINTER uid:1 uid:2
1) "7"
2) "8"
3) "9"

给 uid:2 推荐 uid:1 关注的公众号：

> SDIFF uid:1 uid:2
1) "5"
2) "6"

验证某个公众号是否同时被 uid:1 或 uid:2 关注:

> SISMEMBER uid:1 5
(integer) 1 # 返回0，说明关注了> SISMEMBER uid:2 5
(integer) 0 # 返回0，说明没关注

5、ZSet

5.1、介绍

Zset 类型（有序集合类型）相比于 Set 类型多了一个排序属性 score（分值），对于有序集合 ZSet 来说，每个存储元素相当于有两个值组成的，一个是有序集合的元素值，一个是排序值。

有序集合保留了集合不能有重复成员的特性（分值可以重复），但不同的是，有序集合中的元素可以排序。

5.2、内部实现

Zset 类型的底层数据结构是由压缩列表或跳表实现的：

• 如果有序集合的元素个数小于 128 个，并且每个元素的值小于 64 字节时，Redis 会使用压缩列表作为 Zset 类型的底层数据结构；
• 如果有序集合的元素不满足上面的条件，Redis 会使用跳表作为 Zset 类型的底层数据结构；

在 Redis 7.0 中，压缩列表数据结构已经废弃了，交由 listpack 数据结构来实现了。

5.3、常用命令

• 基本操作

# 往有序集合key中加入带分值元素
ZADD key score member [[score member]...]   
# 往有序集合key中删除元素
ZREM key member [member...]                 
# 返回有序集合key中元素member的分值
ZSCORE key member
# 返回有序集合key中元素个数
ZCARD key # 为有序集合key中元素member的分值加上increment
ZINCRBY key increment member # 正序获取有序集合key从start下标到stop下标的元素
ZRANGE key start stop [WITHSCORES]
# 倒序获取有序集合key从start下标到stop下标的元素
ZREVRANGE key start stop [WITHSCORES]# 返回有序集合中指定分数区间内的成员，分数由低到高排序。
ZRANGEBYSCORE key min max [WITHSCORES] [LIMIT offset count]# 返回指定成员区间内的成员，按字典正序排列, 分数必须相同。
ZRANGEBYLEX key min max [LIMIT offset count]
# 返回指定成员区间内的成员，按字典倒序排列, 分数必须相同
ZREVRANGEBYLEX key max min [LIMIT offset count]

• 运算操作

# 并集计算(相同元素分值相加)，numberkeys一共多少个key，WEIGHTS每个key对应的分值乘积
ZUNIONSTORE destkey numberkeys key [key...] 
# 交集计算(相同元素分值相加)，numberkeys一共多少个key，WEIGHTS每个key对应的分值乘积
ZINTERSTORE destkey numberkeys key [key...]

5.4、应用场景

Zset 类型（Sorted Set，有序集合） 可以根据元素的权重来排序，我们可以自己来决定每个元素的权重值。比如说，我们可以根据元素插入 Sorted Set 的时间确定权重值，先插入的元素权重小，后插入的元素权重大。

在面对需要展示最新列表、排行榜等场景时，如果数据更新频繁或者需要分页显示，可以优先考虑使用 Sorted Set。

排行榜

有序集合比较典型的使用场景就是排行榜。例如学生成绩的排名榜、游戏积分排行榜、视频播放排名、电商系统中商品的销量排名等。

我们以博文点赞排名为例，PP发表了五篇博文，分别获得赞为 200、40、100、50、150。

# arcticle:1 文章获得了200个赞
> ZADD user:pp:ranking 200 arcticle:1
(integer) 1
# arcticle:2 文章获得了40个赞
> ZADD user:pp:ranking 40 arcticle:2
(integer) 1
# arcticle:3 文章获得了100个赞
> ZADD user:pp:ranking 100 arcticle:3
(integer) 1
# arcticle:4 文章获得了50个赞
> ZADD user:pp:ranking 50 arcticle:4
(integer) 1
# arcticle:5 文章获得了150个赞
> ZADD user:pp:ranking 150 arcticle:5
(integer) 1

文章 arcticle:4 新增一个赞，可以使用 ZINCRBY 命令（为有序集合key中元素member的分值加上increment）：

> ZINCRBY user:pp:ranking 1 arcticle:4
"51"

查看某篇文章的赞数，可以使用 ZSCORE 命令（返回有序集合key中元素个数）：

> ZSCORE user:pp:ranking arcticle:4
"50"

获取小林文章赞数最多的 3 篇文章，可以使用 ZREVRANGE 命令（倒序获取有序集合 key 从start下标到stop下标的元素）：

# WITHSCORES 表示把 score 也显示出来
> ZREVRANGE user:pp:ranking 0 2 WITHSCORES
1) "arcticle:1"
2) "200"
3) "arcticle:5"
4) "150"
5) "arcticle:3"
6) "100"

获取小林 100 赞到 200 赞的文章，可以使用 ZRANGEBYSCORE 命令（返回有序集合中指定分数区间内的成员，分数由低到高排序）：

> ZRANGEBYSCORE user:pp:ranking 100 200 WITHSCORES
1) "arcticle:3"
2) "100"
3) "arcticle:5"
4) "150"
5) "arcticle:1"
6) "200"

6、BitMap

6.1、介绍

Bitmap，即位图，是一串连续的二进制数组（0和1），可以通过偏移量（offset）定位元素。BitMap通过最小的单位bit来进行0|1的设置，表示某个元素的值或者状态，时间复杂度为O(1)。

由于 bit 是计算机中最小的单位，使用它进行储存将非常节省空间，特别适合一些数据量大且使用二值统计的场景。

6.2、内部实现

Bitmap 本身是用 String 类型作为底层数据结构实现的一种统计二值状态的数据类型。

String 类型是会保存为二进制的字节数组，所以，Redis 就把字节数组的每个 bit 位利用起来，用来表示一个元素的二值状态，你可以把 Bitmap 看作是一个 bit 数组。

6.3、常用命令

bitmap 基本操作：

# 设置值，其中value只能是 0 和 1
SETBIT key offset value# 获取值
GETBIT key offset# 获取指定范围内值为 1 的个数
# start 和 end 以字节为单位
BITCOUNT key start end

bitmap 运算操作：

# BitMap间的运算
# operations 位移操作符，枚举值AND 与运算 &OR 或运算 |XOR 异或 ^NOT 取反 ~
# result 计算的结果，会存储在该key中
# key1 … keyn 参与运算的key，可以有多个，空格分割，not运算只能一个key
# 当 BITOP 处理不同长度的字符串时，较短的那个字符串所缺少的部分会被看作 0。返回值是保存到 destkey 的字符串的长度（以字节byte为单位），和输入 key 中最长的字符串长度相等。
BITOP [operations] [result] [key1] [keyn…]# 返回指定key中第一次出现指定value(0/1)的位置
BITPOS [key] [value]

6.4、应用场景

Bitmap 类型非常适合二值状态统计的场景，这里的二值状态就是指集合元素的取值就只有 0 和 1 两种，在记录海量数据时，Bitmap 能够有效地节省内存空间。

签到统计

在签到打卡的场景中，我们只用记录签到（1）或未签到（0），所以它就是非常典型的二值状态。

签到统计时，每个用户一天的签到用 1 个 bit 位就能表示，一个月（假设是 31 天）的签到情况用 31 个 bit 位就可以，而一年的签到也只需要用 365 个 bit 位，根本不用太复杂的集合类型。

假设我们要统计 ID 100 的用户在 2022 年 6 月份的签到情况，就可以按照下面的步骤进行操作。

第一步，执行下面的命令，记录该用户 6 月 3 号已签到。

SETBIT uid:sign:100:202206 2 1

第二步，检查该用户 6 月 3 日是否签到。

GETBIT uid:sign:100:202206 2 

第三步，统计该用户在 6 月份的签到次数。

BITCOUNT uid:sign:100:202206

这样，我们就知道该用户在 6 月份的签到情况了。

如何统计这个月首次打卡时间呢？

Redis 提供了 BITPOS key bitValue [start] [end]指令，返回数据表示 Bitmap 中第一个值为 bitValue 的 offset 位置。

在默认情况下， 命令将检测整个位图， 用户可以通过可选的 start 参数和 end 参数指定要检测的范围。所以我们可以通过执行这条命令来获取 userID = 100 在 2022 年 6 月份首次打卡日期：

BITPOS uid:sign:100:202206 1

需要注意的是，因为 offset 从 0 开始的，所以我们需要将返回的 value + 1 。

判断用户登陆态

Bitmap 提供了 GETBIT、SETBIT 操作，通过一个偏移值 offset 对 bit 数组的 offset 位置的 bit 位进行读写操作，需要注意的是 offset 从 0 开始。

只需要一个 key = login_status 表示存储用户登陆状态集合数据， 将用户 ID 作为 offset，在线就设置为 1，下线设置 0。通过 GETBIT判断对应的用户是否在线。 5000 万用户只需要 6 MB 的空间。

假如我们要判断 ID = 10086 的用户的登陆情况：

第一步，执行以下指令，表示用户已登录。

SETBIT login_status 10086 1

第二步，检查该用户是否登陆，返回值 1 表示已登录。

GETBIT login_status 10086

第三步，登出，将 offset 对应的 value 设置成 0。

SETBIT login_status 10086 0

连续签到用户总数

如何统计出这连续 7 天连续打卡用户总数呢？

我们把每天的日期作为 Bitmap 的 key，userId 作为 offset，若是打卡则将 offset 位置的 bit 设置成 1。

key 对应的集合的每个 bit 位的数据则是一个用户在该日期的打卡记录。

一共有 7 个这样的 Bitmap，如果我们能对这 7 个 Bitmap 的对应的 bit 位做 『与』运算。同样的 UserID offset 都是一样的，当一个 userID 在 7 个 Bitmap 对应对应的 offset 位置的 bit = 1 就说明该用户 7 天连续打卡。

结果保存到一个新 Bitmap 中，我们再通过 BITCOUNT 统计 bit = 1 的个数便得到了连续打卡 7 天的用户总数了。

Redis 提供了 BITOP operation destkey key [key ...]这个指令用于对一个或者多个 key 的 Bitmap 进行位元操作。

• operation 可以是 and、OR、NOT、XOR。当 BITOP 处理不同长度的字符串时，较短的那个字符串所缺少的部分会被看作 0 。空的 key 也被看作是包含 0 的字符串序列。

假设要统计 3 天连续打卡的用户数，则是将三个 bitmap 进行 AND 操作，并将结果保存到 destmap 中，接着对 destmap 执行 BITCOUNT 统计，如下命令：

# 与操作
BITOP AND destmap bitmap:01 bitmap:02 bitmap:03
# 统计 bit 位 =  1 的个数
BITCOUNT destmap

即使一天产生一个亿的数据，Bitmap 占用的内存也不大，大约占 12 MB 的内存（10^8/8/1024/1024），7 天的 Bitmap 的内存开销约为 84 MB。同时我们最好给 Bitmap 设置过期时间，让 Redis 删除过期的打卡数据，节省内存

7、HyperLogLog

待补充…

7.1、介绍

7.2、内部实现

7.3、常用命令

7.4、应用场景

8、GEO

待补充…

8.1、介绍

8.2、内部实现

8.3、常用命令

8.4、应用场景

9、Stream

待补充…

9.1、介绍

9.2、内部实现

9.3、常用命令

9.4、应用场景