位图操作bitmap
定义
1、位图不是真正的数据类型，它是定义在字符串类型中
2、一个字符串类型的值最多能存储512M字节的内容，位上限：2^32
# 1MB = 1024KB
# 1KB = 1024Byte(字节)
# 1Byte = 8bit(位)强势点
可以实时的进行统计，极其节省空间。官方在模拟1亿2千8百万用户的模拟环境下，在一台MacBookPro上，典型的统计如“日用户数”的时间消耗小于50ms, 占用16MB内存设置某一位上的值（setbit）
# 设置某一位上的值（offset是偏移量，从0开始） value:0或1
setbit key offset value
# 获取某一位上的值
GETBIT key offset
# 统计键所对应的值中有多少个 1
BITCOUNT key示例
# 默认扩展位以0填充
127.0.0.1:6379> set mykey ab
OK
127.0.0.1:6379> get mykey
"ab"
127.0.0.1:6379> SETBIT mykey 0 1
(integer) 0
127.0.0.1:6379> get mykey
"\xe1b"
127.0.0.1:6379>获取某一位上的值
GETBIT key offset
127.0.0.1:6379> GETBIT mykey 3
(integer) 0
127.0.0.1:6379> GETBIT mykey 0
(integer) 1
127.0.0.1:6379>bitcount
统计键所对应的值中有多少个 1
127.0.0.1:6379> SETBIT user001 1 1
(integer) 0
127.0.0.1:6379> SETBIT user001 30 1
(integer) 0
127.0.0.1:6379> bitcount user001
(integer) 2
127.0.0.1:6379>应用场景案例
# 网站用户的上线次数统计（寻找活跃用户）
用户名为key，上线的天作为offset，上线设置为1
# 示例
用户名为 user1:login 的用户，今年第1天上线，第30天上线
SETBIT user1:login 0 1
SETBIT user1:login 29 1
BITCOUNT user1:login代码实现
'''寻找活跃用户，>=100次为活跃用户'''
import redis
r = redis.Redis(host='127.0.0.1', port=6379, db=0)
# 模拟4个用户，user001 - user004
# user001:第1天和第50天登陆
r.setbit('user001', 0, 1)
r.setbit('user001', 49, 1)
# user002:第20天登陆一次
r.setbit('user002', 19, 1)
# user003:一年登陆100次以上
for i in range(0, 365, 2):
r.setbit('user003', i, 1)
# user004：一年登陆100次以上
for i in range(0, 365, 3):
r.setbit('user004', i, 1)
user_list = r.keys('user*')
active_users = []
noactive_users = []
for user in user_list:
number = r.bitcount(user)
if number >= 100:
active_users.append((user, number))
else:
noactive_users.append((user, number))
print("活跃用户：", active_users)
print("非活跃用户:", noactive_users)xxxxxxxxxx import redisr =Hash散列数据类型
- 定义
1、由field和关联的value组成的键值对
2、field和value是字符串类型
3、一个hash中最多包含2^32-1个键值对- 优点
1、节约内存空间
2、每创建一个键，它都会为这个键储存一些附加的管理信息（比如这个键的类型，这个键最后一次被访问的时间等）
3、键越多，redis数据库在储存附件管理信息方面耗费内存越多，花在管理数据库键上的CPU也会越多- 缺点（不适合hash情况）
1、使用二进制位操作命令:SETBIT、GETBIT、BITCOUNT等，如果想使用这些操作，只能用字符串键
2、使用过期键功能：键过期功能只能对键进行过期操作，而不能对散列的字段进行过期操作- 基本命令操作
# 1、设置单个字段
HSET key field value
HSETNX key field value
# 2、设置多个字段
HMSET key field value field value
# 3、返回字段个数
HLEN key
# 4、判断字段是否存在（不存在返回0）
HEXISTS key field
# 5、返回字段值
HGET key field
# 6、返回多个字段值
HMGET key field filed
# 7、返回所有的键值对
HGETALL key
# 8、返回所有字段名
HKEYS key
# 9、返回所有值
HVALS key
# 10、删除指定字段
HDEL key field
# 11、在字段对应值上进行整数增量运算
HINCRBY key filed increment
# 12、在字段对应值上进行浮点数增量运算
HINCRBYFLOAT key field incrementHash与python交互
# 1、更新一条数据的属性，没有则新建
hset(name, key, value)
# 2、读取这条数据的指定属性， 返回字符串类型
hget(name, key)
# 3、批量更新数据（没有则新建）属性,参数为字典
hmset(name, mapping)
# 4、批量读取数据（没有则新建）属性
hmget(name, keys)
# 5、获取这条数据的所有属性和对应的值，返回字典类型
hgetall(name)
# 6、获取这条数据的所有属性名，返回列表类型
hkeys(name)
# 7、删除这条数据的指定属性
hdel(name, *keys)Python代码hash散列
import redis
r = redis.Redis(host='127.0.0.1', port=6379, db=0)
#设置
r.hset('xiongba', 'name', 'niefeng')
#更新
r.hset('xiongba', 'name', 'bujingun')
#获取
print(r.hget('xiongba','name'))
#HMSET:多个field和value
user_dict={
'gender':'M',
'wuqi':'qilinjian',
}
r.hmset('xiongba',user_dict)
#HGETALL:字典
print(r.hgetall('xiongba'))
print(r.hkeys('xiongba'))
print(r.hvals('xiongba'))
#删除field
r.hdel('xiongba','gender')
#删除key
r.delete('xiongba')应用场景：微博好友关注
1、用户ID为key，Field为好友ID，Value为关注时间
key field value
user:10000 user:606 20190520
user:605 20190521
2、用户维度统计
统计数包括：关注数、粉丝数、喜欢商品数、发帖数
用户为key，不同维度为field，value为统计数
比如关注了5人
HSET user:10000 fans 5
HINCRBY user:10000 fans 1应用场景: redis+mysql+hash组合使用
- 原理
用户想要查询个人信息
1、到redis缓存中查询个人信息
2、redis中查询不到，到mysql查询，并缓存到redis
3、再次查询个人信息- 代码实现
import redis
import pymysql
# 1,先到redis中查询
# 2,redis中没有,到mysql中查询
# 3,在缓存到redis中一份,设置过期时间30秒
# 4,在查一遍
r = redis.Redis(host='localhost', port=6379, db=0)
db = pymysql.connect(
'localhost',
'root',
'123456',
'userdb',
charset='utf8'
)
cursor = db.cursor()
# 开始 -- 用户点击查询个人信息
username = input("请输入用户名:")
# redis查询
result = r.hgetall(username)
if result:
print('redis:', result)
else:
# redis中没有,需要到mysql中查询
sel = 'select name,gender,wuqi from user where name=%s'
cursor.execute(sel, [username])
# result得到的类型:(('bujingyun','M','qilinjian'),)
result = cursor.fetchall()
if result:
print('mysql:', result)
# 缓存到redis一份
user_dict = {
'gender': result[0][1],
'wuqi': result[0][2]
}
r.hmset(username, user_dict)
# 设置过期时间
r.expire(username, 30)mysql数据库中数据更新信息后同步到redis缓存
用户修改个人信息时，要将数据同步到redis缓存
集合数据类型（set）
- 特点
1、无序、去重
2、元素是字符串类型
3、最多包含2^32-1个元素- 基本命令
# 1、增加一个或者多个元素,自动去重
SADD key member1 member2
# 2、查看集合中所有元素
SMEMBERS key
# 3、删除一个或者多个元素，元素不存在自动忽略
SREM key member1 member2
# 4、元素是否存在
SISMEMBER key member
# 5、随机返回集合中指定个数的元素，默认为1个
SRANDMEMBER key [count]
# 6、弹出成员
SPOP key [count]
# 7、返回集合中元素的个数，不会遍历整个集合，只是存储在键当中了
SCARD key
# 8、把元素从源集合移动到目标集合
SMOVE source destination member
# 9、差集(number1 1 2 3 number2 1 2 4 结果为3)
SDIFF key1 key2
# 10、差集保存到另一个集合中
SDIFFSTORE destination key1 key2
# 11、交集
SINTER key1 key2
SINTERSTORE destination key1 key2
# 12、并集
SUNION key1 key2
SUNIONSTORE destination key1 key2案例: 新浪微博的共同关注
# 需求: 当用户访问另一个用户的时候，会显示出两个用户共同关注过哪些相同的用户
# 设计: 将每个用户关注的用户放在集合中，求交集即可
# 实现:
user001 = {'peiqi','qiaozhi','danni'}
user002 = {'peiqi','qiaozhi','lingyang'}
user001和user002的共同关注为:
SINTER user001 user002
结果为: {'peiqi','qiaozhi'}python操作set
import redis
r = redis.Redis(host='127.0.0.1', port=6379, db=0)
r.sadd('shengdoushi', 'xingshi', 'zilong')
# 数据类型:集合{b'zilong', b'xingshi'}
result = r.smembers('shengdoushi')
# 创建空集合
s = set()
# {'zilong', 'xingshi'}
for ele in result:
s.add(ele.decode())
print(s)
#弹出一个
# print(r.spop('shengdoushi'))
r.sadd('shengdoushi2','xingshi','yadianna')
r.sinterstore('interset','shengdoushi','shengdoushi2')
print(r.smembers('interset'))
print('共同数量:',r.scard('interset'))python代码实现微博关注
import redis
r = redis.Redis(host='127.0.0.1',port=6379,db=0)
r.sadd('user:1','peiqi','qiaozhi','danni')
r.sadd('user:2','peiqi','qiaozhi','lingyang')
r.sinterstore('interset','user:1','user:2')
result = r.smembers('interset')
s = set()
for ele in result:
s.add(ele.decode())
print("共同名字是：",s)
print("数量：",r.scard('interset'))有序集合sortedset
- 特点
1、有序、去重
2、元素是字符串类型
3、每个元素都关联着一个浮点数分值(score)，并按照分值从小到大的顺序排列集合中的元素（分值可以相同）
4、最多包含2^32-1元素- 示例
一个保存了水果价格的有序集合
分值 | 2.0 | 4.0 | 6.0 | 8.0 | 10.0 |
元素 | 西瓜 | 葡萄 | 芒果 | 香蕉 | 苹果 |
一个保存了员工薪水的有序集合
分值 | 6000 | 8000 | 10000 | 12000 | |
元素 | lucy | tom | jim | jack |
一个保存了正在阅读某些技术书的人数
分值 | 300 | 400 | 555 | 666 | 777 |
元素 | 核心编程 | 阿凡提 | 本拉登 | 阿姆斯特朗 | 比尔盖茨 |
- 有序集合常用命令
# 在有序集合中添加一个成员
zadd key score member
ZADD salary 6000 zilong 10000 xingshi 8000 songren
# 查看指定区间元素（升序)
zrange key start stop [withscores] #后边填写withscores显示分值
ZRANGE salary 0 -1 withscores
1) "zilong"
2) "6000"
3) "songren"
4) "8000"
5) "xingshi"
6) "10000"
# 查看指定区间元素（降序）
ZREVRANGE key start stop [withscores]
ZREVRANGE salary 0 -1 withscores
1) "xingshi"
2) "10000"
3) "songren"
4) "8000"
5) "zilong"
6) "6000"
# 查看指定元素的分值
ZSCORE key member
ZSCORE salary zilong
# 返回指定区间元素
# offset : 跳过多少个元素
# count : 返回几个
# 小括号 : 开区间 zrangebyscore fruits (2.0 8.0
zrangebyscore key min max [withscores] [limit offset count]
# 每页显示10个成员,显示第5页的成员信息:
# limit 40 10
# MySQL: 每页显示10条记录,显示第5页的记录
# limit 40,10
# limit 2,3 显示: 第3 4 5条记录
# 删除成员
zrem key member
# 增加或者减少分值
zincrby key increment member
# 返回元素排名
zrank key member
# 返回元素逆序排名
zrevrank key member
# 删除指定区间内的元素
zremrangebyscore key min max
# 返回集合中元素个数
zcard key
# 返回指定范围中元素的个数
zcount key min max
zcount salary 6000 8000
zcount salary (6000 8000# 6000<salary<=8000
zcount salary (6000 (8000#6000<salary<8000
# 并集
zunionstore destination numkeys key [weights 权重值] [AGGREGATE SUM|MIN|MAX]
# zunionstore salary3 2 salary salary2 weights 1 0.5 AGGREGATE MAX
# 2代表集合数量,weights之后 权重1给salary,权重0.5给salary2集合,算完权重之后执行聚合AGGREGATE
# 交集：和并集类似，只取相同的元素
ZINTERSTORE destination numkeys key1 key2 WEIGHTS weight AGGREGATE SUM(默认)|MIN|MAXpython操作sorted set
今日作业
1、网易音乐排行榜 - Python
1、每首歌的歌名作为元素
2、每首歌的播放次数作为分值
3、使用ZREVRANGE来获取播放次数最多的歌曲2、 京东商品畅销榜 - Python
# 第1天
ZADD mobile-001 5000 'huawei' 4000 'oppo' 3000 'iphone'
# 第2天
ZADD mobile-002 5200 'huawei' 4300 'oppo' 3230 'iphone'
# 第3天
ZADD mobile-003 5500 'huawei' 4660 'oppo' 3580 'iphone'
问题：如何获取三款收集的销量排名？
ZUNIONSTORE mobile-001:003 3 mobile-001 mobile-002 mobile-003 # 可否？
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
