1. 數(shù)據(jù)結(jié)構(gòu)模型
現(xiàn)代計算機用二進制（位）作為信息的基礎(chǔ)單位，1個字節(jié)等于8位，例如“big”字符串是由3個字節(jié)組成，但實際在計算機存儲時將其用二進制表示，“big”分別對應(yīng)的ASCII碼分別是98、105、103，對應(yīng)的二進制分別是01100010、01101001和01100111，如圖所示。
許多開發(fā)語言都提供了操作位的功能，合理地使用位能夠有效地提高內(nèi)存使用率和開發(fā)效率。Redis提供了Bitmaps這個“數(shù)據(jù)結(jié)構(gòu)”可以實現(xiàn)對位的操作。把數(shù)據(jù)結(jié)構(gòu)加上引號主要因為：
- Bitmaps本身不是一種數(shù)據(jù)結(jié)構(gòu)，實際上它就是字符串，但是它可以對字符串的位進行操作。
-
Bitmaps單獨提供了一套命令，所以在Redis中使用Bitmaps和使用字符串的方法不太相同?？梢园袯itmaps想象成一個以位為單位的數(shù)組，數(shù)組的每個單元只能存儲0和1，數(shù)組的下標(biāo)在Bitmaps中叫做偏移量。
字符串"big"用二進制表示
2. 命令
本節(jié)將每個獨立用戶是否訪問過網(wǎng)站存放在Bitmaps中，將訪問的用戶記做1，沒有訪問的用戶記做0，用偏移量作為用戶的id。
1)設(shè)置值
setbit key offset value
設(shè)置鍵的第offset個位的值（從0算起），假設(shè)現(xiàn)在有20個用戶，userid=0，5，11，15，19的用戶對網(wǎng)站進行了訪問，那么當(dāng)前Bitmaps初始化結(jié)果如圖所示。
具體操作過程如下，unique：users：2016-04-05代表2016-04-05這天的獨立訪問用戶的Bitmaps：
127.0.0.1:6379> setbit unique:users:2016-04-05 0 1
(integer) 0
127.0.0.1:6379> setbit unique:users:2016-04-05 5 1
(integer) 0
127.0.0.1:6379> setbit unique:users:2016-04-05 11 1
(integer) 0
127.0.0.1:6379> setbit unique:users:2016-04-05 15 1
(integer) 0
127.0.0.1:6379> setbit unique:users:2016-04-05 19 1
(integer) 0
如果此時有一個userid=50的用戶訪問了網(wǎng)站，那么Bitmaps的結(jié)構(gòu)變成了如圖所示，第20位~49位都是0。
很多應(yīng)用的用戶id以一個指定數(shù)字（例如10000）開頭，直接將用戶id和Bitmaps的偏移量對應(yīng)勢必會造成一定的浪費，通常的做法是每次做setbit操作時將用戶id減去這個指定數(shù)字。在第一次初始化Bitmaps時，假如偏移量非常大，那么整個初始化過程執(zhí)行會比較慢，可能會造成Redis的阻塞。
2)獲取值
gitbit key offset
獲取鍵的第offset位的值（從0開始算），下面操作獲取id=8的用戶是否在2016-04-05這天訪問過，返回0說明沒有訪問過：
127.0.0.1:6379> getbit unique:users:2016-04-05 8
(integer) 0
由于offset=1000000根本就不存在，所以返回結(jié)果也是0：
127.0.0.1:6379> getbit unique:users:2016-04-05 1000000
(integer) 0
3)獲取Bitmaps指定范圍值為1的個數(shù)
bitcount [start] [end]
下面操作計算2016-04-05這天的獨立訪問用戶數(shù)量：
127.0.0.1:6379> bitcount unique:users:2016-04-05
(integer) 5
[start]和[end]代表起始和結(jié)束字節(jié)數(shù)，下面操作計算用戶id在第1個字節(jié)到第3個字節(jié)之間的獨立訪問用戶數(shù)，對應(yīng)的用戶id是11，15，19。
127.0.0.1:6379> bitcount unique:users:2016-04-05 1 3
(integer) 3
4)Bitmaps間的運算
bitop op destkey key[key....]
bitop是一個復(fù)合操作，它可以做多個Bitmaps的and（交集）、or（并集）、not（非）、xor（異或）操作并將結(jié)果保存在destkey中。假設(shè)2016-04-04訪問網(wǎng)站的userid=1，2，5，9，如圖所示。
下面操作計算出2016-04-04和2016-04-03兩天都訪問過網(wǎng)站的用戶數(shù)
量，如圖3-14所示。
127.0.0.1:6379> bitop and unique:users:and:2016-04-04_03 unique: users:2016-04-03
unique:users:2016-04-03
(integer) 2
127.0.0.1:6379> bitcount unique:users:and:2016-04-04_03
(integer) 2
如果想算出2016-04-04和2016-04-03任意一天都訪問過網(wǎng)站的用戶數(shù)量（例如月活躍就是類似這種），可以使用or求并集，具體命令如下：
127.0.0.1:6379> bitop or unique:users:or:2016-04-04_03 unique:
users:2016-04-03 unique:users:2016-04-03
(integer) 2
127.0.0.1:6379> bitcount unique:users:or:2016-04-04_03
(integer) 6
5)計算Bitmaps中第一個值為targetBit的偏移量
bitpos key targetBit [start] [end]
下面操作計算2016-04-04當(dāng)前訪問網(wǎng)站的最小用戶id：
127.0.0.1:6379> bitpos unique:users:2016-04-04 1
(integer) 1
除此之外，bitops有兩個選項[start]和[end]，分別代表起始字節(jié)和結(jié)束字節(jié)，例如計算第0個字節(jié)到第1個字節(jié)之間，第一個值為0的偏移量，從圖3-13可以得知結(jié)果是id=0的用戶。
127.0.0.1:6379> bitpos unique:users:2016-04-04 0 0 1
(integer) 0
3. Bitmaps分析
假設(shè)網(wǎng)站有1億用戶，每天獨立訪問的用戶有5千萬，如果每天用集合類型和Bitmaps分別存儲活躍用戶可以得到。
很明顯，這種情況下使用Bitmaps能節(jié)省很多的內(nèi)存空間，尤其是隨著時間推移節(jié)省的內(nèi)存還是非常可觀的。
但Bitmaps并不是萬金油，假如該網(wǎng)站每天的獨立訪問用戶很少，例如只有10萬（大量的僵尸用戶），那么兩者的對比如表3-5所示，很顯然，這時候使用Bitmaps就不太合適了，因為基本上大部分位都是0。
4.redis實現(xiàn)布隆過濾器
redis 在 4.0 的版本中加入了 module 功能，布隆過濾器可以通過 module 的形式添加到 redis 中，所以使用 redis 4.0 以上的版本可以通過加載 module 來使用 redis 中的布隆過濾器。但是這不是最簡單的方式，使用 docker 可以直接在 redis 中體驗布隆過濾器。
> docker run -d -p 6379:6379 --name bloomfilter redislabs/rebloom
> docker exec -it bloomfilter redis-cli
redis 布隆過濾器主要就兩個命令：
- bf.add 添加元素到布隆過濾器中：bf.add urls https://jaychen.cc。
- bf.exists 判斷某個元素是否在過濾器中：bf.exists urls https://jaychen.cc。
上面說過布隆過濾器存在誤判的情況，在 redis 中有兩個值決定布隆過濾器的準(zhǔn)確率：
- error_rate：允許布隆過濾器的錯誤率，這個值越低過濾器的位數(shù)組的大小越大，占用空間也就越大。
- initial_size：布隆過濾器可以儲存的元素個數(shù)，當(dāng)實際存儲的元素個數(shù)超過這個值之后，過濾器的準(zhǔn)確率會下降。
redis 中有一個命令可以來設(shè)置這兩個值：
bf.reserve urls 0.01 100
- 第一個值是過濾器的名字。
- 第二個值為 error_rate 的值。
- 第三個值為 initial_size 的值。
使用這個命令要注意一點：執(zhí)行這個命令之前過濾器的名字應(yīng)該不存在，如果執(zhí)行之前就存在會報錯：(error) ERR item exists
