手把手帶你使用Redis+Bitmap實現億級海量數據統計

這篇文章是Redis的實戰篇，介紹一下使用Redis Bitmap實作億級海量資料統計的方法，希望對大家有幫助！

在行動應用程式的業務場景中，我們需要保存這樣的資訊：一個 key 關聯了一個資料集合。 【相關推薦：Redis影片教學】

常見的場景如下：

• 給一個userId ，判斷使用者登陸狀態；
##顯示用戶某月的簽到次數和首次簽到時間；
• 兩億用戶最近7 天的簽到情況，統計7 天內連續簽到的用戶總數；

通常情況下，我們面臨的用戶數量以及訪問量都是龐大的，例如百萬、千萬級的用戶數量，或是千萬級、甚至億級的訪問資訊。

所以，我們必須要選擇能夠非常有效率地統計大量資料（例如億級）的集合類型。

如何選擇合適的資料集合，我們首先要了解常用的統計模式，並運用合理的資料了性來解決實際問題。

四個統計類型：

• 二值狀態統計；

##>聚合統計;

##排序統計；

基數統計。

本文將由

二值狀態統計型別

作為實戰篇系列的開篇，文中將用到

String、Set、Zset、List、hash

以外的拓展資料型別

Bitmap

來實作。

文章涉及到的指令可以透過線上 Redis 用戶端運行調試，地址：

try.redis.io/，超方便的說。

寄語多分享多付出，前期多給別人創造價值並且不計回報，從長遠來看，這些付出都會成倍的回報你。 特別是剛開始跟別人合作的時候，不要去計較短期的回報，沒有太大意義，更多的是鍛鍊自己的視野、視角以及解決問題的能力。

二值狀態統計

碼哥，什麼是二值狀態統計呀？

也就是集合中的元素的值只有0 和1 兩種，在簽到打卡和使用者是否登陸的場景中，只需記錄

簽到(1)

或

未簽到(0)

，

已登入(1)

或未登陸(0)

。

• 假如我們在判斷使用者是否登陸的場景中使用Redis 的String 類型實作（key -> userId，value -> 0 表示下線，1 - 登陸#），假如儲存100 萬個用戶的登陸狀態，如果以字串的形式存儲，就需要儲存100 萬個字串了，記憶體開銷太大。
• 碼哥，為什麼 String 類型記憶體開銷大？
• String 類型除了記錄實際資料以外，還需要額外的記憶體記錄資料長度、空間使用等資訊。 當保存的資料包含字串，String 類型就使用簡單動態字串（SDS）結構體來保存，如下圖所示：

#len

：佔4 個位元組，表示buf 的已使用長度。

alloc：佔 4 個位元組，表示 buf 實際分配的長度，通常 > len。

buf

：位元組數組，保存實際的數據，Redis 自動在數組最後加上一個 “\0”，額外佔用一個位元組的開銷。

###所以，在 SDS 中除了 buf 保存實際的數據， len 與 alloc 就是額外的開銷。 ######另外，還有一個###RedisObject 結構的開銷###，因為Redis 的資料型別有很多，而且，不同資料型別都有些相同的元資料要記錄（例如最後一次存取的時間、被引用的次數等）。 ######所以，Redis 會用一個 RedisObject 結構體來統一記錄這些元數據，同時指向實際數據。 ###############對於二值狀態場景，我們就​​可以利用 Bitmap 來實作。例如登陸狀態我們用 bit 位元表示，一億個使用者也只佔 一億 個 bit 位元記憶體 ≈ （100000000 / 8/ 1024/1024）12 MB。 ###

大概的空间占用计算公式是：($offset/8/1024/1024) MB

######什麼是 Bitmap 呢？ ###

Bitmap 的底层数据结构用的是 String 类型的 SDS 数据结构来保存位数组，Redis 把每个字节数组的 8 个 bit 位利用起来，每个 bit 位 表示一个元素的二值状态（不是 0 就是 1）。

可以将 Bitmap 看成是一个 bit 为单位的数组，数组的每个单元只能存储 0 或者 1，数组的下标在 Bitmap 中叫做 offset 偏移量。

为了直观展示，我们可以理解成 buf 数组的每个字节用一行表示，每一行有 8 个 bit 位，8 个格子分别表示这个字节中的 8 个 bit 位，如下图所示：

8 个 bit 组成一个 Byte，所以 Bitmap 会极大地节省存储空间。 这就是 Bitmap 的优势。

判断用户登陆态

怎么用 Bitmap 来判断海量用户中某个用户是否在线呢？

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。 50000 万 用户只需要 6 MB 的空间。

SETBIT 命令

SETBIT <key> <offset> <value>

设置或者清空 key 的 value 在 offset 处的 bit 值（只能是 0 或者 1）。

GETBIT 命令

GETBIT <key> <offset>

获取 key 的 value 在 offset 处的 bit 位的值，当 key 不存在时，返回 0。

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

用户每个月的签到情况

在签到统计中，每个用户每天的签到用 1 个 bit 位表示，一年的签到只需要 365 个 bit 位。一个月最多只有 31 天，只需要 31 个 bit 位即可。

比如统计编号 89757 的用户在 2021 年 5 月份的打卡情况要如何进行？

key 可以设计成 uid:sign:{userId}:{yyyyMM}，月份的每一天的值 - 1 可以作为 offset（因为 offset 从 0 开始，所以 offset = 日期 - 1）。

第一步，执行下面指令表示记录用户在 2021 年 5 月 16 号打卡。

SETBIT uid:sign:89757:202105 15 1

第二步，判断编号 89757 用户在 2021 年 5 月 16 号是否打卡。

GETBIT uid:sign:89757:202105 15

第三步，统计该用户在 5 月份的打卡次数，使用 BITCOUNT 指令。该指令用于统计给定的 bit 数组中，值 = 1 的 bit 位的数量。

BITCOUNT uid:sign:89757:202105

这样我们就可以实现用户每个月的打卡情况了，是不是很赞。

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以下指令来获取 userID = 89757 在 2021 年 5 月份首次打卡日期：

BITPOS uid:sign:89757:202105 1

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

连续签到用户总数

在记录了一个亿的用户连续 7 天的打卡数据，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 键 = key 的 Bitmap 进行位元操作。

opration 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。

便于理解，如下图所示：

3 个 Bitmap，对应的 bit 位做「与」操作，结果保存到新的 Bitmap 中。

操作指令表示将 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。

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

简单计算下 一个一亿个位的 Bitmap占用的内存开销，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。

小结

思路才是最重要，当我们遇到的统计场景只需要统计数据的二值状态，比如用户是否存在、 ip 是否是黑名单、以及签到打卡统计等场景就可以考虑使用 Bitmap。

只需要一个 bit 位就能表示 0 和 1。在统计海量数据的时候将大大减少内存占用。

原文地址：https://juejin.cn/post/6999908907791417351

作者：码哥字节

更多编程相关知识，请访问：编程视频！！

以上是手把手帶你使用Redis+Bitmap實現億級海量數據統計的詳細內容。更多資訊請關注PHP中文網其他相關文章！