那些你不经常使用的数据结构

这样的数据结构可以帮助我们使用很少的存储空间，就可以完成很高效的数据查询。

比如我们有这样的需求，我们想要统计每一天的用户签到人数，常规的做法就是将数据放到set集合里面，然后对数据求和即可，然而如果数据量非常大的时候，这样会浪费很大的存储空间，而bitmap完美解决了这样的问题。首先我们可以将每天的日期作为key，然后签到的人的id转换成bit值存储，也就说如果它签到了，那么对应位置的值为1，否则为0，这样就可以通过一个key:value对来统计签到人数。需要说明的是，对于位操作，redis有bitcout来快速统计总和。

HyeprLogLog

从名字我们可以看出来，它有两个log，也就是说它通过两次取对数的操作节省了存储空间。需要说明的一点，这是一个概率数据结构，也就说它只能计算出大概率数值，并不能精确地得到精准数值，不过在大数据问题中，能够用最少的代价得到一个大致精确地值就是我们追求的。在redis里面，每个hyperloglog键只需要花费12kb大小空间，就可以存储2^64个元素，这大大节省了内存的存储空间。

hyperloglog的数学原理就是基于伯努利过程，是在同样的条件下重复地、相互独立地进行的一种随机试验。

对于一个数据我们通过计算它的hash值得到二进制01值，然后进行分桶操作，再然后在每个桶中再进行位置的计算，因为通过两次的操作就可以让存储的数据成指数增加，而反过来也就说当我们要存储一定的数据，只需要取两次对数的位数的bit就可以存下，所以这也是hyperloglog的名字由来。

有了hyerploglog，还是统计上面的签到的话，我们的存储空间就大大减小了，当然了这是以牺牲一定的精准度为代价的。

Stream

我们都知道在redis中，我们可以通过list来实现消息队列的功能，但是那只是简单地实现，它缺少持久化的功能，缺少数据复制的功能，而Steam就是为了解决这个问题而产生的
 

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!