这么搞，10 亿数据量只需要 100MB 内存

2020-10-08 00:00:00 操作 命令 字符串 数组 复杂度

来自：toutiao.com/i6767642839267410445


本文主要和大家分享一下redis的特性：bit位操作。
本文redis试验代码基于如下环境：
操作系统：Mac OS 64位 版本：Redis 5.0.7 64 bit 运行模式：standalone mode

redis位操作

reids位操作也叫位数组操作、bitmap，它提供了SETBIT、GETBIT、BITCOUNT、BITTOP四个命令用于操作二进制位数组。
先来看一波基本操作示例：

SETBIT

语法：SETBIT key offset value
即：命令 key 偏移量 0/1
setbit命令用于写入位数组指定偏移量的二进制位设置值，偏移量从0开始计数，且只允许写入1或者0，如果写入非0和1的值则写入失败：

GETBIT

语法：GETBIT key offset
即：命令 key 偏移量
gitbit命令用于获取位数组指定偏移量上的二进制值：

BITCOUNT

语法：BITCOUNT key
即：命令 key
bitcount命令用于获取指定key的位数组中值为1的二进制位的数量，之前我们写入了偏移量0的值为1，偏移量10 的值为1，偏移量8的值为0：

BITOP

语法：BITOP operation destkey key [key…]
即：命令 操作 结果目标key key1 key2 …
bitop命令可以对多个位数组的key进行and（按位与）、or（按位或）、xor（按位异或）运算，并将运算结果设置到destkey中：

底层数据结构分析

SDS是redis中的一种数据结构，叫做简单动态字符串（Simple Dynamic String），并且它是一种二进制安全的，在大多数的情况下redis中的字符串都用SDS来存储。
SDS的数据结构：
struct sdshdr {
 #记录buff数组中已使用字节的数量
 #也是SDS所保存字符串的长度
 int len;
 #记录buff数组中未使用字节的数量
 int free;
 #字节数组，字符串就存储在这个数组里
 char buff\[\];
}
数据存储示例：
SDS的优点：
  1. 时间复杂度为O(1)
  2. 杜绝缓冲区溢出
  3. 减少修改字符串长度时候所需的内存重分配次数
  4. 二进制安全的API操作
  5. 兼容部分C字符串函数
redis中的位数组采用的是String字符串数据格式来存储，而字符串对象使用的正是上文说的SDS简单动态字符串数据结构。
大家都知道的是一个字节用的是8个二进制位来存储的，也就是8个0或者1，即一个字节可以存储十进制0~127的数字，也即包含了所有的数字、英文大小写字母以及标点符号。
1Byte=8bit 1KB=1024Byte 1MB=1024KB 1GB=1024MB
位数组在redis存储世界里，每一个字节也是8位，初始都是：
       
而位操作就是在对应的offset偏移量上设置0或者1，比如将第3位设置为1，即：
    1   
#对应redis操作即：
setbit key 3 1
在此基础上，如果要在偏移量为13的位置设置1，即：
setbit key 13 1
#对应redis中的存储为：
  1  |     |     | 1   

时间复杂度

GETBIT命令时间复杂度O(1)
STEBIT命令时间复杂度O(1)
BITCOUNT命令时间复杂度O(n)
BITOP命令时间复杂度O(n)、O(n2)
我们来看GETBIT以及SETBIT命令的时间复杂度为什么是O(1)，当我们执行一个SETBIT key 10086 1的值的时候，reids的计算方式如下：
获取到要写入位数组中的哪个字节：10086÷8=1260，需要写入到位数组的下标1260的字节
获取要写入到这个字节的第几位：10086 mod 8 = 6，需要写入到这个字节的下标为6即第7位上去。
通过这两种计算方式大家可以清晰的看到，位操作的GETBIT和SETBIT都是常量计算，因此它的时间复杂度为O(1)。
而BITCOUNT命令需要对整个位数组的所有元素进行遍历算出值为1的有多少个，当然redis对于大数据了的bit执行bitcount命令会有一整套复杂的优化的算法，但是核心思路还是这个意思，无非是减少部分遍历查询次数。比如以128位为一次遍历，那么他的遍历次数就是所有的位数除以128。
BITTOP命令则是根据不同的操作有不同的执行方式。比如AND操作，则需要查看位值为1的即可。

存储空间计算

根据上面的介绍，相信大家已经知道了基于redis的位数组数据结构存储的数据占用内存大小是怎么计算的了。比如有100亿的数据，那么它需要的字节数组：
1000000000÷8÷1024÷1024≈119.21MB
也就是存储10亿的数据只需要119MB左右的内存空间，这对于现在动辄16G、32G集群版的redis，完全没有问题。
需要注意的是，如果你的数据量不大，那就不要把起始偏移量搞的很大，这样也是占空间的，比如我们只需要存储几百条数据，但是其中的偏移量却很大，这就会造成了很大的内存空间浪费。

应用场景

实际项目开发中有很多业务都适合采用redis的bit来实现。

用户签到场景

每天的日期字符串作为一个key，用户Id作为offset，统计每天用户的签到情况，总的用户签到数

活跃用户数统计

用户日活、月活、留存率等均可以用redis位数组来存储，还是以每天的日期作为key，用户活跃了就写入offset为用户id的位值1。
同理月活也是如此。

用户是否在线以及总在线人数统计

同样是使用一个位数组，用户的id映射偏移量，在线标识为1，下线标识为0。即可实现用户上下线查询和总在线人数的统计

APP内用户的全局消息提示小红点

现在大多数的APP里都有站内信的功能，当有消息的时候，则提示一个小红点，代表用户有新的消息。
<END>

相关文章