引言
說起redis的數據結構，大家可能對五大基礎數據類型比較熟悉:String，Hash，List，Set，Sorted Set。那么除此之外，還有三大衍生數據結構，大家平時是很少接觸的，即：bitmaps、hyperloglog、geo
另外，我覺得，這三個數據結構，只能說是錦上添花。真正在項目中，我還真沒用過。
下面大家來看看這三大數據結構的定義和用途
bitmaps
定義
說到這個bitmaps，其實它就是String，但它可以對String的位進行操作。然后呢，這個位操作，有自己的命令，所以和操作String的redis命令又不大一樣！
可以這么理解
bitmaps為一個以位為單位的數組，數組的每個單元只能存儲0和1
下面舉個例子，比如我們要做一個set操作，key為w，value為h，那么執行如下命令
127.0.0.1:6379> set w h
OK
127.0.0.1:6379> get w
"h"
那么h的ASCII為0110 1000
接下來，你可以用位命令getbit命令取出，取出每一位的內容。
127.0.0.1:6379> getbit w 0 #用getbit獲取w第0位的值
(integer) 0
127.0.0.1:6379> getbit w 1 #用getbit獲取w第1位的值
(integer) 1
127.0.0.1:6379> getbit w 2 #用getbit獲取w第2位的值
(integer) 1
127.0.0.1:6379> getbit w 3 #用getbit獲取w第3位的值
(integer) 0
用途
網上傳言，此結構用來統計一定時間內的，活躍的用戶數，使用bitmap的結構比傳統的set結構省空間。然而，這種用途有很大的局限性，我后文會說到。先說一下，網上的說法。
假設有30個用戶，其中有5個用戶，在2018-10-04這天登陸了。假設這5個用戶的userid=2，4，8，11，12。
那么，我們假設key為users:2018-10-04，將其value值用於記錄用戶登陸信息。那么為了記錄上述5個用戶登陸過，我們將該value值的第2位，第4位，第8位，第11位，第12位設為1，即執行下述命令
127.0.0.1:6379> setbit users:2018-10-04 2 1
(integer) 0
127.0.0.1:6379> setbit users:2018-10-04 4 1
(integer) 0
127.0.0.1:6379> setbit users:2018-10-04 8 1
(integer) 0
127.0.0.1:6379> setbit users:2018-10-04 11 1
(integer) 0
127.0.0.1:6379> setbit users:2018-10-04 12 1
(integer) 0
這個時候，比如你要判斷userid=11的用戶，在2018-10-04這天，有沒有登陸過，就執行下述命令
127.0.0.1:6379> getbit users:2018-10-04 11
(integer) 1
結果為1，就代表用戶登陸過。如果返回結果為0，則代表用戶沒登陸過。
如果要統計，2018-10-04，這一天登陸的用戶數，可以執行下面的命令
127.0.0.1:6379> bitcount users:2018-10-04
(integer) 5
上面的命令就可以統計出，2018-10-04，這一天5個用戶登陸過。
ok，到這里大家就查不多能明白了。
先說一下，這里的userid=2，4，8，11，12，可以理解為偏移量。比如實際項目中的userid位1000002,那么偏移量就是2。大家在項目中，可以靈活變通。
然而這種方式有一個局限性。我們在實際項目中，如果userid是使用uuid生成的，那么，你要如何根據這些userid生成偏移量？莫非你還要去找一個hash函數，生成偏移量？就算找到了相應的hash函數，你能確保一定不發生hash碰撞，導致偏移量一致？
所以，大家了解即可。
HyperLogLog
定義
HyperLogLog並不是一種數據結構，而是一種算法，可以利用極小的內存空間完成獨立總數的統計。
其實，大家可能對該算法比較陌生。我們java中有一個庫叫stream-lib，其中也實現了HyperLogLog算法。我大概說一下該算法的原理，我不想去長篇大論的搬出數學論文來，大家看着也無聊，這里Hyper指的是超級的意思，它的前世是LogLog算法。這里博主蜻蜓點水的裝13一下，大家能領悟到精髓即可。
假設有如下對話
我:"小曲啊，假設啊，我一輪丟5次硬幣，丟了很多輪之后，發現這幾輪中，最多出現連續的2次反面1次正面，你能猜出來我丟了多少輪么！"
小曲:"應該沒幾輪吧，頂多就七八輪。"
我:"卧槽，這么機智，怎么算的?"
小曲:"很簡單啊，正反面概率都是1/2,連着二次反面，一次正面。不就是1/21/21/2么！"
我:"那要是最多出現連續的4次反面1次正面呢？"
小曲:"那應該是很多很多輪吧！"
我:"果然機智！"
上述聊天，出自我和同事曲之間的，日常互吹！如有雷同，純屬巧合！
好了，原理講完了！只是他的估算算法比較復雜！沒這么簡單而已！而且這么估，誤差還比較大！下面給出算法的偽代碼。
輸入：一個集合
輸出：集合的獨立總數
算法：
max = 0
對於集合中的每個元素：
hashCode = hash(元素)
num = hashCode二進制表示中最前面連續的0的數量
if num > max:
max = num
最后的結果是2的(max + 1)次冪
需要說明的是
hashCode = hash(元素)
就是把你的輸入元素，映射成二進制長串。映射成二進制長串后，就可以類比到我最先說的拋硬幣的結果了。至於最后的結果為什么用(max+1)，大家可以去查文獻。畢竟這文章是在講redis，不是在講這個算法。而且這個算法，后面還經過了一系列演進，比如將入參集合分為m個部分，然后將m個部分的結果求一個平均數(avg)，最后以2的(avg + 1)次冪，來估計獨立總數！這些讀者有興趣可以自行查詢！
用途
這個結構可以非常省內存的去統計各種計數，比如注冊IP數、每日訪問IP數。當然，存在誤差！Redis官方給出的數字是0.81%的失誤率。
用法也很簡單如下所示
127.0.0.1:6379> pfadd ips:2018-10-04 "127.0.0.1" "127.0.0.2" "127.0.0.3" "127.0.0.4"
(integer) 1
127.0.0.1:6379> pfcount ips:2018-10-04
(integer) 4
上面就是演示了，2018-10-04這天，約4個ip登陸了系統！
網上有一張和傳統集合結構的占用空間對比圖，貼出來，給大家看看
注意了，再強調一次，使用此結構是存在誤差的！比如你pfadd了一百萬條數據進去，結果pfcount的結果可能就999756條！
Geo
定義
Geo可以用於存儲經緯度、計算兩地之間的距離、范圍計算等。其底層實現是zset。
用途
主要有以下六組命令
geoadd：增加某個地理位置的坐標。geopos：獲取某個地理位置的坐標。geodist：獲取兩個地理位置的距離。georadius：根據給定地理位置坐標獲取指定范圍內的地理位置集合。georadiusbymember：根據給定地理位置獲取指定范圍內的地理位置集合geohash：獲取某個地理位置的geohash值。
我這里直接貼官網文檔的例子，大家有興趣可以自行查詢.
首先，先給key增加兩個坐標
redis> GEOADD Sicily 13.361389 38.115556 "Palermo" 15.087269 37.502669 "Catania"
(integer) 2
其次，計算兩個坐標之間的舉例
redis> GEODIST Sicily Palermo Catania
"166274.15156960039"
最后，計算距離經緯度(15,37)距離100km和200km范圍內的坐標有哪些
redis> GEORADIUS Sicily 15 37 100 km
1) "Catania"
redis> GEORADIUS Sicily 15 37 200 km
1) "Palermo"
2) "Catania"
總結，我目前還沒涉及到和地圖有關的業務，因此該結構用的還比較少。大家根據項目具體需求使用即可！