Redis的Bitmap(位图):签到打卡、用户在线状态,用它一目了然
mhr18 2025-05-25 14:20 5 浏览 0 评论
你是不是每天打开APP,第一时间就是去“签到打卡”?或者在社交软件里,看到你的朋友头像旁边亮着“在线”的绿灯?这些看似简单的功能背后,都隐藏着一个有趣而高效的数据结构。
如果让你来设计一个签到系统:用户每天签到,你需要在数据库里记录“用户XXX在YYY年Z月K日签到”,那数据量会非常庞大。而且,如果你想知道一个用户在一个月里签到了多少天,或者他连续签到了多少天,查询起来会非常麻烦和耗时。
同样,要实时统计上亿用户的在线状态,并能快速查询谁在线、谁不在线,以及哪些用户同时在线,传统方法简直是“噩梦”!
别担心!当这些问题摆在你面前时,Redis的“Bitmap”就会像一位魔术师,用它独特的“0”和“1”魔法,为你带来意想不到的惊喜!
什么是Redis的“Bitmap”?——“开关面板”上的0和1!
“Bitmap”直译就是“位图”,它并不是Redis的一种独立数据类型,而是Redis针对字符串(String)类型提供的一组特殊操作。你可以把它理解成一个超级紧凑、超级省内存的“开关面板”:
- 每一位(Bit): 就像面板上的一个独立小开关,它只有两种状态:0(关/假/未签到/不在线) 或 1(开/真/已签到/在线)。
- 偏移量(Offset): 每个小开关都有一个独一无二的“编号”(也就是它的位置)。这个编号可以是0,1,2,一直到非常大的数字。
- 内存惊人!: 1个字节(Byte)有8个位(Bit)。这意味着,你只需1个字节,就能存储8个“开关”的状态!如果我们要存储1亿个“是”或“否”的状态,传统方式可能需要几百MB甚至更多内存,而Bitmap理论上只需要大约12.5MB(1亿 ÷ 8 ≈ 1250万字节)。
你可以把Bitmap想象成一张巨大的、由无数个小方格组成的“打卡纸”,每个小方格代表一个“日期”或“用户ID”,上面只能画“√”(1)或空着(0)。
为什么说它“一目了然”?——操作简便,直观高效!
Bitmap的操作非常符合直觉,就像在操作真实的开关:
1. 开启/关闭某个“开关”:SETBIT
用来设置指定偏移量的位值(0或1)。
- 命令示例(用户签到):
假设我们用user:1001:checkin:202505作为键,代表用户ID为1001在2025年5月的签到记录。
偏移量就代表日期,比如5月1日是偏移量0,5月2日是偏移量1,以此类推。 - 5月1日签到: SETBIT user:1001:checkin:202505 0 1
- 5月5日签到: SETBIT user:1001:checkin:202505 4 1 (注意偏移量是从0开始的)
- 5月2日不签到(或取消签到): SETBIT user:1001:checkin:202505 1 0
2. 检查某个“开关”状态:GETBIT
获取指定偏移量的位值。
- 命令示例(检查5月1日是否签到):
GETBIT user:1001:checkin:202505 0 - 返回: 1 (表示已签到)
- 命令示例(检查5月2日是否签到):
GETBIT user:1001:checkin:202505 1 - 返回: 0 (表示未签到)
3. 统计“开启”的开关数量:BITCOUNT
统计给定范围内(或整个Bitmap)有多少个位是1。
- 命令示例(统计用户5月签到了多少天):
BITCOUNT user:1001:checkin:202505 - 返回: 例如 2 (表示签到了2天)
4. 组合多个“开关面板”:BITOP
这是Bitmap最强大的地方!它可以对多个Bitmap进行位运算(AND, OR, XOR, NOT),从而实现复杂的逻辑查询。
- AND(与): 只有两个位都为1时,结果才为1。可以用来找出“共同在线的用户”或“连续签到的用户”。
- OR(或): 只要有一个位为1,结果就为1。可以用来找出“至少在某一天在线的用户”。
- XOR(异或): 只有两个位不同时,结果才为1。
- NOT(非): 位值取反。
经典应用场景:Bitmap的“高光时刻”!
场景一:用户签到打卡系统——精确统计,节省空间!
这是Bitmap最常见的应用,没有之一!
- 思路: 为每个用户每个月(或每年)创建一个Bitmap。
- Key: user:checkin:年月份:用户ID (例如 user:checkin:202505:1001)
- Offset: 代表日期,例如 0代表1号,1代表2号...
- 用户签到: SETBIT user:checkin:202505:1001 (当前日期-1) 1
- 判断是否签到: GETBIT user:checkin:202505:1001 (指定日期-1)
- 统计月签到总天数: BITCOUNT user:checkin:202505:1001
- 统计连续签到: 虽然BITCOUNT不能直接统计连续签到,但可以通过在应用程序层获取位图,然后遍历判断连续性;或者结合其他数据结构实现。
- 亮点: 即使有1亿用户,每人签到一年(365天),也只需要1亿 * (365/8) ≈ 4.5GB内存。这比用Set存储用户ID和日期的方式,内存效率高出几个数量级!
场景二:用户在线状态统计——实时掌控,瞬息万变!
- 思路: 维护一个全局的“在线用户”Bitmap。
- Key: online_status_map
- Offset: 用户ID(需要注意的是,用户ID必须是连续且不宜过大,否则会造成内存浪费;通常会用用户ID对一个大数取模,或者另外维护一个ID映射表)。
- 用户上线: SETBIT online_status_map 用户ID 1
- 用户下线: SETBIT online_status_map 用户ID 0
- 查询用户是否在线: GETBIT online_status_map 用户ID
- 统计当前在线总人数: BITCOUNT online_status_map
- 亮点: 实时性高,非常适合高并发的在线状态查询。
场景三:多维度用户群分析——精准圈人,营销利器!
假设有以下几个用户群体的Bitmap:
- active_on_monday:周一活跃用户
- active_on_tuesday:周二活跃用户
- vip_users:VIP用户
- purchased_in_may:5月购买用户
- 找出周一和周二都活跃的用户: BITOP AND result_key active_on_monday active_on_tuesday
- 然后 BITCOUNT result_key 即可得到数量。
- 找出VIP用户中5月份有购买记录的用户: BITOP AND result_key vip_users purchased_in_may
- 找出周一活跃但非VIP的用户: BITOP NOT not_vip_users vip_users (首先反选出非VIP用户)
- BITOP AND result_key active_on_monday not_vip_users
- 亮点: 结合BITOP,可以轻松实现基于用户行为的复杂交集、并集、差集查询,帮助运营团队进行精准用户画像和营销。
总结:Bitmap——大数据二值状态的“数据压缩机”!
看到了吗?Redis的“Bitmap”类型,凭借其“每一位”即一个状态的精妙设计,成为了处理海量二值(0或1,是或否)状态数据的“数据压缩机”。它在签到打卡、用户在线状态、用户标签、权限管理等场景中,以其惊人的内存效率、直观简单的操作和强大的位运算能力,展现了无可比拟的优势。
当你需要以极低的内存代价,存储和查询大量的“是/否”信息,并希望进行快速的逻辑组合时,Redis的Bitmap绝对是你的首选“神器”!它让复杂的大数据统计和分析变得如此“一目了然”。
至此,我们已经探索了Redis所有主要数据类型及其典型应用。希望通过这一系列的科普文章,你对Redis不再感到陌生,而是对它充满好奇和兴趣。你会发现,那些看似复杂的“高科技”,其实都是由这些基础的“积木”搭建而成的。学会使用这些积木,你也能搭建出属于自己的“爆款”应用!
感谢你的阅读,期待未来与你一同探索更多技术奥秘!
相关推荐
- MySQL数据库中,数据量越来越大,有什么具体的优化方案么?
-
个人的观点,这种大表的优化,不一定上来就要分库分表,因为表一旦被拆分,开发、运维的复杂度会直线上升,而大多数公司和开发人员是欠缺这种能力的。所以MySQL中几百万甚至小几千万的表,先考虑做单表的优化。...
- Redis的Bitmap(位图):签到打卡、用户在线状态,用它一目了然
-
你是不是每天打开APP,第一时间就是去“签到打卡”?或者在社交软件里,看到你的朋友头像旁边亮着“在线”的绿灯?这些看似简单的功能背后,都隐藏着一个有趣而高效的数据结构。如果让你来设计一个签到系统:用户...
- 想知道有多少人看了你的文章?Redis HyperLogLog几KB就搞定!
-
作为一名内容创作者,你每天最期待的,除了文章阅读量蹭蹭上涨,是不是还特别想知道,到底有多少个“独立用户”阅读了你的文章?这个数字,我们通常称为“UV”(UniqueVisitors),它比总阅读量更...
- Redis的“HyperLogLog”:统计网站日活用户,省内存又高效的神器
-
你可能从未听过这个拗口的名字——“HyperLogLog”,它听起来就像是某个高深莫测的数学公式。但请相信我,理解它的核心思想并不难,而且一旦你掌握了它,你会发现它在处理大数据统计问题时,简直就是“救...
- 阿里云国际站:为什么我的云服务器运行缓慢?
-
本文由【云老大】TG@yunlaoda360撰写一、网络性能瓶颈带宽不足现象:上传/下载速度慢,远程连接卡顿。排查:通过阿里云控制台查看网络流量峰值是否接近带宽上限34。解决:升级带宽(如从1M提...
- Java 近期新闻:Jakarta EE 11和Spring AI更新、WildFly 36.0 Beta、Infinispan
-
作者|MichaelRedlich译者|明知山策划|丁晓昀OpenJDKJEP503(移除32位x86移植版本)已从“ProposedtoTarget”状态进入到“T...
- 腾讯云国际站:怎样设置自动伸缩应对流量高峰?
-
云计算平台服务以阿里云为例:开通服务与创建伸缩组:登录阿里云控制台,找到弹性伸缩服务并开通。创建伸缩组时,选择地域与可用区,定义伸缩组内最小/最大实例数,绑定已有VPC虚拟交换机。实例模板需...
- 【案例分享】如何利用京东云建设高可用业务架构
-
本文以2022年一个实际项目为基础,来演示在京东云上构建高可用业务的整个过程。公有云及私有云客户可通过使用京东云的弹性IAAS、PAAS服务,创建高可用、高弹性、高可扩展、高安全的云上业务环境,提升业...
- Spring Security在前后端分离项目中的使用
-
1文章导读SpringSecurity是Spring家族中的一个安全管理框架,可以和SpringBoot项目很方便的集成。SpringSecurity框架的两大核心功能:认证和授权认证:...
- Redis与Java集成的最佳实践
-
Redis与Java集成的最佳实践在当今互联网飞速发展的时代,缓存技术的重要性毋庸置疑。Redis作为一款高性能的分布式缓存数据库,与Java语言的结合更是如虎添翼。今天,我们就来聊聊Redis与Ja...
- Redis在Java项目中的应用与数据持久化
-
Redis在Java项目中的应用与数据持久化Redis简介:为什么我们需要它?在Java项目中,Redis就像一位不知疲倦的快跑选手,总能在关键时刻挺身而出。作为一个内存数据库,它在处理高并发请求时表...
- Redis 集群最大节点个数是多少?
-
Redis集群最大节点个数取决于Redis的哈希槽数量,因为每个节点可以负责多个哈希槽。在Redis3.0之前,Redis集群最多支持16384个哈希槽,因此最大节点数为16384个。但是在Redi...
- Java开发岗面试宝典:分布式相关问答详解
-
今天千锋广州Java小编就给大家分享一些就业面试宝典之分布式相关问题,一起来看看吧!1.Redis和Memcache的区别?1、存储方式Memecache把数据全部存在内存之中,断电后会挂掉,数据不...
- 当Redis内存不足时,除了加内存,还有哪些曲线救国的办法?
-
作为“速度之王”的Redis,其高性能的秘密武器之一就是将数据存储在内存中。然而,内存资源是有限且昂贵的。当你的Redis实例开始告警“内存不足”,或者写入请求被阻塞时,最直接的解决方案似乎就是“加内...
- 商品详情页那么多信息,Redis的“哈希”如何优雅存储?
-
你每天网购时,无论是打开淘宝、京东还是拼多多,看到的商品详情页都琳琅满目:商品名称、价格、库存、图片、描述、评价数量、销量。这些信息加起来,多的惊人。那么问题来了:这些海量的商品信息,程序是去哪里取出...
你 发表评论:
欢迎- 一周热门
- 最近发表
-
- MySQL数据库中,数据量越来越大,有什么具体的优化方案么?
- Redis的Bitmap(位图):签到打卡、用户在线状态,用它一目了然
- 想知道有多少人看了你的文章?Redis HyperLogLog几KB就搞定!
- Redis的“HyperLogLog”:统计网站日活用户,省内存又高效的神器
- 阿里云国际站:为什么我的云服务器运行缓慢?
- Java 近期新闻:Jakarta EE 11和Spring AI更新、WildFly 36.0 Beta、Infinispan
- 腾讯云国际站:怎样设置自动伸缩应对流量高峰?
- 【案例分享】如何利用京东云建设高可用业务架构
- Spring Security在前后端分离项目中的使用
- Redis与Java集成的最佳实践
- 标签列表
-
- oracle位图索引 (63)
- oracle批量插入数据 (62)
- oracle事务隔离级别 (53)
- oracle 空为0 (50)
- oracle主从同步 (55)
- oracle 乐观锁 (51)
- redis 命令 (78)
- php redis (88)
- redis 存储 (66)
- redis 锁 (69)
- 启动 redis (66)
- redis 时间 (56)
- redis 删除 (67)
- redis内存 (57)
- redis并发 (52)
- redis 主从 (69)
- redis 订阅 (51)
- redis 登录 (54)
- redis 面试 (58)
- 阿里 redis (59)
- redis 搭建 (53)
- redis的缓存 (55)
- lua redis (58)
- redis 连接池 (61)
- redis 限流 (51)