如果你了解過redis，或者使用過它，那么一定知道它的5種常用數據結構，而且如果你面試有被問過redis的話，那么這5種基本數據結構也一定會被問到，不過，我們今天不討論這些，我們討論下除此之外的數據結構，也許平時你沒有使用過，也許你也沒有了解過，不過這不重要，重要的是它們是非常總要的數據結構，在解決特定問題的時候很好用。

[[381296]]

Btimap

理論上來說，bitmap并不屬于一種特殊的數據結構，從本質上來說，它也是一種string類型數據結構，只不過存儲的值為bit，也就是我們常說的二進制010101這樣的數據。

這樣的數據結構可以幫助我們使用很少的存儲空間，就可以完成很高效的數據查詢。

比如我們有這樣的需求，我們想要統計每一天的用戶簽到人數，常規的做法就是將數據放到set集合里面，然后對數據求和即可，然而如果數據量非常大的時候，這樣會浪費很大的存儲空間，而bitmap完美解決了這樣的問題。首先我們可以將每天的日期作為key，然后簽到的人的id轉換成bit值存儲，也就說如果它簽到了，那么對應位置的值為1，否則為0，這樣就可以通過一個key:value對來統計簽到人數。需要說明的是，對于位操作，redis有bitcout來快速統計總和。

HyeprLogLog

從名字我們可以看出來，它有兩個log，也就是說它通過兩次取對數的操作節省了存儲空間。需要說明的一點，這是一個概率數據結構，也就說它只能計算出大概率數值，并不能精確地得到精準數值，不過在大數據問題中，能夠用最少的代價得到一個大致精確地值就是我們追求的。

在redis里面，每個hyperloglog鍵只需要花費12kb大小空間，就可以存儲2^64個元素，這大大節省了內存的存儲空間。

hyperloglog的數學原理就是基于伯努利過程，是在同樣的條件下重復地、相互獨立地進行的一種隨機試驗。

對于一個數據我們通過計算它的hash值得到二進制01值，然后進行分桶操作，再然后在每個桶中再進行位置的計算，因為通過兩次的操作就可以讓存儲的數據成指數增加，而反過來也就說當我們要存儲一定的數據，只需要取兩次對數的位數的bit就可以存下，所以這也是hyperloglog的名字由來。

有了hyerploglog，還是統計上面的簽到的話，我們的存儲空間就大大減小了，當然了這是以犧牲一定的精準度為代價的。

Stream

我們都知道在redis中，我們可以通過list來實現消息隊列的功能，但是那只是簡單地實現，它缺少持久化的功能，缺少數據復制的功能，而Steam就是為了解決這個問題而產生的。

當你覺得rabbitmq過于龐大的時候，那么redis的stream數據結構可以很好地幫助你實現消息隊列的幾乎全部功能，但是如果你的項目夠大，還是請使用正常的消息隊列。

GEO

計算2個點的距離我們很容易計算出來，但是如果計算2個地理經緯度坐標點的距離就會變得復雜，如果計算多個點呢?問題就會變得更加復雜，不過這些計算問題，在redis都可以通過GEO來簡單實現。

GEO主要是用于存儲指定的地理空間位置，可以將一個或多個經度(longitude)、緯度(latitude)、位置名稱(member)添加到指定的 key 中。在使用地圖的時候，我們經常需要計算得到當前位置一定范圍內餐館，或者影院等建筑物的信息，而通過GEO我們就可以很方便地實現這個功能。

在redis中，通過georadiusbymember這個函數，我們就可以方便地計算出周圍點的信息。

總結

相比較string，list，set，sort set， hash這5種結構，你會發現上面介紹的數據結構使用場景很單一，或者說它們的存在主要是為了解決某些特定問題而存在的。

沒有哪種數據結構更好的說法，每一種數據結構都有它自己的應用場景，否則它也不會被創造出來。