标签：pipeline HyperLogLog 04 Redis redis value --- 命令 key
redis内容
1 redis安装配置
2 5大数据类型操作
3 通用指令
4 高级数据类型
BitMaps位图
HyperLogLog 超小内存唯一值计数 # 与布隆过滤器类似
GEO地理位置信息
5 功能丰富：
pipeline事务
Luau脚本
发布订阅(消息)
6 持久化：rdb和aof
7 主从复制 （一主一从，一主多从） # 支持主服务器同步到从服务器中
8 sentinel哨兵（高可用） # v2.8 支持高可用
9 redis集群原理和搭建 # v3.0 支持分布式
10 缓存更新策略，缓存粒度、缓存穿透、击穿、雪崩
1 redis安装和配置
##### 1 下载安装 源码安装
# 下载
wget http://download.redis.io/releases/redis-5.0.7.tar.gz
# 解压
tar -xzf redis-5.0.7.tar.gz
# 建立软连接
ln -s redis-5.0.7 redis # 方便版本迭代
cd redis
make&&make install
# 可执行文件 在src目录下可以看到
redis-server ---> redis服务器
redis-cli ---> redis命令行客户端
redis-benchmark ---> redis性能测试工具
redis-check-aof ---> aof文件修复工具
redis-check-dump ---> rdb文件检查工具
redis-sentinel ---> sentinel服务器，哨兵
##### 2 服务端启动配置
# 三种启动方式 需要在redis可执行文件目录中 ./src/
1 默认启动 # 用的很少
redis-server
2 动态参数启动 # 用的很少
redis-serve --port 6380 # 启动，监听6380端口
3 配置文件启动 # 常用
redis-server conf/redis.conf
# 常用配置参数
daemonize yes # 是否以守护进程启动
pidfile /var/run/redis.pid # 进程号(文件)的位置，删除就是关闭进程
port 6379 # 端口号
dir "/opt/soft/redis/data" # 工作目录 数据存放的目录
logfile “6379.log” # 日志位置
# bind 127.0.0.1 # 只监听本地地址的客户端 不支持远程连接
bind 0.0.0.0
protected-mode no # 保护模式 关闭
requirepass 123456 # 连接密码
# 查看是否启动 查看进程
ps aux |grep redis
# 查看redis端口
netstat -antpl|grep redis
# 关闭进程 redis-server
kill -9 进程id号
redis-cli shutdown
# 客户端连接
redis-cli -h 地址 -p 端口
redis-cli # 默认连接 本地ip的 6379
# 配置了密码，如何连接登陆
# 方式一
redis-cli -h 127.0.0.1 -p 6370 -a 123456
# 方式二
redis-cli -h 服务器地址
auth 密码
# 查看redis的配置信息 可直接在交互式命令行下修改
CONFIG GET * # 查看所有配置信息
CONFIG SET maxmemory 128M # 设置内存最大占用 128m
CONFIG REWRITE # 把修改写到配置文件中
# redis的应用场景
-缓存系统
-计数器 ：网站访问量，转发量，评论数（文章转发，商品销量，单线程模型，不会出现并发问题）
-消息队列 ：发布订阅，阻塞队列实现（简单的分布式，blpop：阻塞队列，生产者消费者）
-排行榜 ：有序集合 阅读排行，点赞排行，推荐（销量高的，推荐）
-社交网络 ：很多特效跟社交网络匹配，粉丝数，关注数
-实时系统 ：垃圾邮件处理系统，布隆过滤器(id 去重)
# 注意：！！！
1.redis是单线程架构，故所有时间复杂度为0(n)的命令操作，你需要判断消费时间多长
因为所有命令是单线程排队执行的，某个命令时间过长，会导致整体都夯住
2 API的使用
2.1 通用命令
##### 1---keys 时间复杂度为o(n)
# 打印出所有key
keys *
# 打印出所有以he开头的key
keys he*
# 打印出所有以he开头，第三个字母是h到l的范围
keys he[h-l]
# 三位长度，以he开头 ？表示任意一位
keys he？
# 强调：
keys命令一般不在生产环境中使用，生产环境key很多
使用scan命令
##### 2---dbsize 计算key的总数 o(1)
dbsize
# redis内置了计数器，插入删除值该计数器会更改
所以可以在生产环境使用
##### 3---exists key o(1)
# 设置a
set a b
# 查看a是否存在
exists a
(integer) 1
# 存在返回1 不存在返回0
##### 4---del key o(1)
删除成功返回1，key不存在返回0
##### 5---expire key seconds o(1)
expire name 3 # 设置3s 过期
ttl name # 查看name还有多长时间过期
persist name # 去掉name的过期时间
##### 6---type key o(1)
type name # 查看name类型，返回string
##### 7---其他命令
info # 查看信息 内存，cpu，主从相关
client list # 查看正在连接的会话
client kill ip:端口 # 关闭某个redis客户端
dbsize # 查看共有多少个key
flushall # 清空所有
flushdb # 只清空当前库
select 数字 # 选择某个库 总共16个库
monitor # 记录操作日志，夯住（日志审计） ！！！
# 7的相关命令 可写在简历中：自动化监控redis相关项目
eg：python的subprocess 执行相关命令
./src/redis-cli -a 123456 client list
2.2 字符串命令
# 字符串键值结构
key value
hello world # 可以很复杂，如：接口返回数据 直接用json格式字符串
counter 1 # 数字类型
bits 10101010 # 二进制（位图）
# 字符串value不能大于512m，一般建议100k以内
# 用于缓存、计数器、分布式锁、分布式id生成...
##### 1---基本使用：get、set、del
get name # 时间复杂度 o(1)
set name lqz # 时间复杂度 o(1)
del name # 时间复杂度 o(1)
##### 2---其他使用：incr、decr、incrby、decrby
incr age # 对age的value值自增1
decr age # 对age的value值自减1
incrby age 10 # 对age的value值增加10
decrby age 10 # 对age的value值减少10
# 统计网站访问量 （单线程无竞争，天然适合做计数器）
# 缓存mysql的信息 （json格式）
# 分布式id生成 （多个机器同时并发着生成，不会重复）
##### 3---set，setnx，setxx
set name lqz # 不管key是否存在，都设置
setnx name lqz # key不存在时才设置（新增操作）
set name lqz nx # 同上
set name lqz xx # key存在，才设置（更新操作）
##### 4---mget mset
mget key1 key2 key3 # 批量获取key1，key2 o(n)
mset key1 value1 key2 value2 key3 value3 # 批量设置 o(n)
# n次get和mget的区别
n次get时间 = n次网络时间 + n次命令时间
mget时间 = 1次网络时间 + n次命令时间
##### 5---其他：getset，append，strlen
getset name lqznb # 设置新值并返回旧值 o(1)
append name 666 # 将value追加到旧的value o(1)
strlen name # 计算字符串长度(注意中文) o(1)
##### 6---其他：incrybyfloat,getrange,setrange
increbyfloat age 3.5 # 为age自增3.5，传负值表示自减 o(1)
getrange key start end # 获取字符串制定下标所有的值 o(1)
setrange key index value # 从指定index开始设置value值 o(1)
2.3 hash命令
# 本质类似于 字典
##### 1---hget、hset、hdel
hget key field # 获取hash key的某个field的value o(1)
hset key field value # 设置hash key的某个field的value o(1)
hdel key field # 删除hash key的某个field o(1)
# eg:
hset user:1:info age 23 # key的形式：user:id:info 写的很长 防止重复
hget user:1:info age
hset user:1:info name lqz
hgetall user:1:info
hdel user:1:info age
##### 2---hexists、hlen
hexists key field # 判断hash key 是否存在field o(1)
hlen key # 获取hash key field的数量 o(1)
# eg:
hexists user:1:info name
hlen user:1:info
##### 3---hmget、hmset
hmget key field1 field2 ...fieldN # 批量获取hash key 的一批field对应的值 o(n)
hmset key field1 value1 field2 value2 # 批量设置hash key的一批field value o(n)
##### 4---hgetall、hvals、hkeys
hgetall key # 返回hash key 对应的所有field和value o(n)
hvals key # 返回hash key 对应的所有field的value o(n)
hkeys key # 返回hash key 对应的所有field o(n)
### 小心使用hgetall。先使用hlen判断字典长度，再判断批量获取还是分批获取
##### 5---其他操作 hsetnx，hincrby，hincrbyfloat
hsetnx key field value # 设置hash key对应field的value（如果field已存在，则失败） o(1)
hincrby key field intCounter # 设置hash key对应的field的value自增intCounter o(1)
hincrbyfloat key field floatCounter # hincrby 浮点数 o(1)
# 用途：
1 计算网站每个用户主页的访问量
hincrby userinfopageview user:1:info count
2 缓存mysql的信息，直接设置hash格式
2.4 列表类型
# 有序队列：可重复，可以从左侧添加，右侧添加，可以从左右两边弹出
##### 1---插入操作
# rpush 从右侧插入
rpush key value1 value2 ...valueN # o(1~n)
# lpush 从左侧插入
lpush key value1 value2 ...valueN # o(1~n)
# linsert 从某个位置插入
# 从元素value的前或后插入newValue o(n)，需要遍历列表
linsert key before|after value newValue
# eg:
linsert listkey before b java
linsert listkey after b php
##### 2---删除操作
# 从列表左侧弹出一个item o(1)
lpop key
# 从列表右侧弹出一个item o(1)
rpop key
# 根据count值，从列表中删除为value的项 o(n)
lrem key count value
count>0 # 从左到右，删除最多count个 value
count<0 # 从右向左，删除最多|count|个 value
count=0 # 删除所有为value的项
# eg:
lrem listkey 0 a # 删除列表中所有值a
lrem listkey -1 c # 从右侧删除1个c
# 按照索引范围修剪列表 o(n)
ltrim key start end
# eg: ltrim listkey 1 4 # 只保留下表1--4的元素
##### 3---查询操作
# 获取列表指定索引范围所有item 包含end o(n)
lrange key start end
# eg:
lrange listkey 0 2
lrange listkey 1 -1 # 获取第一个位置到倒数第一个位置的元素
# 获取列表指定索引的item o(n)
lindex key index
# eg:
lindex listkey 0
lindex listkey -1
# 获取列表长度
llen key
##### 4---修改操作
# 设置列表指定索引值为newValue o(n)
lset key index newValue
# eg: lset listkey 2 ppp # 把第二个位置设为'ppp'
##### 5---其他操作
blpop key timeout # lpop的阻塞版，timeout是阻塞超时时间 o(1)
brpop key timeout # rpop的阻塞版，timeout是阻塞超时时间 o(1)
# 要实现栈的功能 先进后出
lpush+lpop 左插左出
# 实现队列功能 先进先出
lpush+rpop 左插右出
# 固定大小的列表
lpush+ltrim
# 消息队列
lpush+brpop
# 用途： 主要是用来 存有先后顺序的 实现timeLine(时间线/轴)功能
eg: 微博关注的人、状态发布
按时间轴排列，依次在列表中放入 关注人的微博id 或者 状态id
2.5 集合操作
# 无序，无重复，集合间操作（交叉并补）
# 向集合key添加element（如果element存在，添加失败） o(1)
sadd key element
# 从集合中的element移除掉 o(1)
srem key element
# 计算集合大小
scard key
# 判断element是否在集合中
sismember key element
# 从集合中随机取出count个元素，不会破坏集合中的元素(抽奖)
srandmember key count
# 从集合中随机弹出一个元素 原集合该元素就没了
spop key
# 获取集合中所有元素 ！！！ 无序，小心使用，会阻塞住 o(n)
smembers key
# 计算1和2的差集
sdiff user:1:follow user:2:follow
# 计算1和2的交集
sinter user:1:follow user:2:follow
# 计算1和2的并集
sunion user:1:follow user:2:follow
# 将差集，交集，并集结果保存在destkey集合中
sdiff|sinter|suion + store destkey
# 用途
1.抽奖系统 ：通过spop来弹出用户的id，活动取消，直接删除
2.点赞/点踩/喜欢等 ：用户如果点了赞，就把用户id放到该条记录的集合中
3.标签 ：给用户/文章等添加标签，sadd user:1:tags 标签1 标签2 标签3
4.共同好友 ：sinter交集 集合间的操作
sadd:可以做标签相关
spop/srandmember:可以做随机数相关
sadd/sinter：社交相关
2.6 有序集合
# 本质：有一个分值字段，来保证顺序
key score value
user:ranking 1 lqz
user:ranking 99 lqz2
user:ranking 88 lqz3
# 集合与有序集合
集合：无重复元素，无序，element
有序集合：无重复元素，有序，element+score
# 列表和有序集合
列表：可以重复，有序，element
有序集合：无重复元素，有序，element+score
# 添加元素 score可重复，可添加多个，element不能重复 o(logN)
zadd key score element # 元素重复时，就是修改元素对应的分数
# 删除元素，可多个同时删除 o(1)
zrem key element
# 获取元素的分数 o(1)
zscore key element
# 增加或减少元素的分数 o(1)
zincrby key increScore element
# 返回元素总个数 o(1)
zcard key
# 返回element元素的排名（从小到大排）
zrank key element
# 返回排名，不带分数 o(log(n)+m) n是元素个数，m是要获取的值
zrange key 0 -1
# 返回排名，带分数
zrange key 0 -1 withscores
# 返回指定分数范围内的升序元素 o(log(n)+m)
zrangebyscore key minScore maxScore
eg：zrangebyscore user:1:ranking 90 210 withscores # 获取90分到210分的元素
# 返回有序集合内在指定分数范围内的个数 o(log(n)+m)
zcount key minScore maxScore
# 删除指定排名内的升序元素 o(log(n)+m)
zremrangebyrank key start end
eg：zremrangebyrank user:1:rangking 1 2 # 删除升序排名中1到2的元素
# 删除指定分数内的升序元素 o(log(n)+m)
zremrangebyscore key minScore maxScore
eg：zremrangebyscore user:1:ranking 90 210 # 删除分数90到210之间的元素
# 其他操作
zrevrank # 从高到低排序
zrevrange # 从高到低排序取一定范围
zrevrangebyscore # 返回指定分数范围内的降序元素
zinterstore # 对两个有序集合交集
zunionstore # 对两个有序集合求并集
# 用途：
排行榜：音乐排行榜，销售榜，关注榜，游戏排行榜
3 高级api使用
http://www.liuqingzheng.top/db/Redis系列/03-Redis系列之-高级用法/
3.1 慢查询
# 慢查询介绍
配置一个时间(默认也有配置)，如果查询时间超过了设置时间，认为这是一个慢查询
# redis执行生命周期
1.客户端发送命令--->2.进入服务端命令队列--->3.执行命令--->4.返回结果
慢查询发生在第3阶段
# 客户端超时不一定是慢查询，但慢查询是客户端超时的一个可能因素
# 慢查询配置
slowlog-max-len # 设置慢查询对列的大小
# 表示记录多少条慢查询命令 默认为128
# 是一个先进先出的对列 固定长度 保存在内存中
slowlog-log-slower-than # 慢查询阈值(单位：微秒μs)
# 表示命令执行时间超过该值 就记录到慢查询对列中
>0 # 是否记录的时间阈值 默认为10000μs =10ms
=0 # 记住所有命令
<0 # 不记录任何命令
# 动态修改配置 或者 修改配置文件(只写配置参数和值)
# 设置记录阈值 1000μs =1ms
config set slowlog-log-slower-than 1000
# 最多记录1000条
config set slowlog-max-len 1000
# 持久化到本地配置文件
config rewrite
# 慢查询命令操作
slowlog get [n] # 获取慢查询队列的第N个命令
'''
日志由4个属性组成：
1）日志的标识id
2）发生的时间戳
3）命令耗时
4）执行的命令和参数
'''
slowlog len # 获取慢查询队列长度
slowlog reset # 清空慢查询队列
# 宝贵经验
1 slowlog-max-len 不要设置过小 # 通常设置1000左右
2 slowlog-log-slower-than 不要设置过大，默认10ms # 通常设置1ms
3 理解命令生命周期
4 定期持久化慢查询
# 延伸使用：
redis性能不高了，如何取排除
# ---> 写成简历中项目收获、项目中遇到的问题
之前在项目遇到的问题是：redis正常情况速度挺快，有几次突然redis很慢
我就正常排查，大概方向就是肯定有漫长命令在执行
通过 慢查询命令: slowlog len/get/reset
记录哪些命令会导致慢查询后，以后尽量避免使用
3.2 pipeline和watch
3.2.1 pipeline
# 详细：参考 批量执行redis命令
https://www.jianshu.com/p/75137d23ae4a
# pipeline(管道)
命令中不支持pipeline，但各个语言客户端支持
将一批命令，批量打包，在redis服务端批量计算(执行)，然后把结果批量返回 节约RTT时间(Round Trip Time)
# 但是 各个命令之间不能有数据依赖
# 用途：
1.实现redis事务
2.实现乐观锁
# 注意：
1.pipeline期间将“独占” 一个客户端链接 故常pipeline和其他正常操做分离在不同client中
2.pipeline的命令执行过程中，其他client的命令可能会在本pipeline的中间被执行
3.pipeline是需要server和client的共同支持才能实现
4.pipeline的可发送命令数量 受 client端缓冲区大小、server端query buffer/output buffer 限制
# 面试常问：redis的通过pipeline批量 与 原生get、mget有啥区别
n条原生命令时间 = n次网络时间 + n次命令时间
1次pipeline(n条命令) = 1次网络时间 + n次命令时间
mget等原生批量命令时间 = 1次网络时间 + n次命令时间
1.与get等对比：pipeline实现了批量执行多个命令操作，节约了网络io时间
2.与mget等对比：
a.pipeline提交的批量命令，服务端可以拆成多次执行 pipeline并非原子性
若部分命令失败，pipeline不会整体回滚
mget等原生批量操作，是一次性执行的，是原子性的
b.原生批量命令是一个命令对应多个key，Pipeline支持多个命令
c.原生批量命令是Redis服务端支持实现的，而Pipeline需要服务端和客户端的共同实现
d.更底层的对比，在redis的底层 io多路复用模型中，把数据从内核缓存区 复制到 用户缓存区时
原生批量命令：需要多次 从内核缓存区(执行结果) 去接受数据
pipeline管道：只需要一次 接受数据
# 节约了这部分资源 性能比批量高一点点
# 使用建议
1 注意每次pipeline携带的数据量 # 大包分小包 小包大小为8k
2 pipeline每次只能作用在一个Redis的节点上
3 M(mset，mget….)操作和pipeline的区别
# watch 实现乐观锁
3.2.2 基于pipeline实现事务和watch
# pipeline管道不是原子性的，但通过pipeline实现的事务是原子性的 全成功or失败
##### python客户端实现 基于pipeline的事务
import redis
pool = redis.ConnectionPool(host='10.211.55.4', port=6379)
r = redis.Redis(connection_pool=pool)
# 创建pipeline
pipe = r.pipeline(transaction=True)
# 开启事务
pipe.multi()
# 事务添加命令
pipe.set('name', 'lqz')
# 其他代码，可能出异常
pipe.set('role', 'nb')
# 提交事务
pipe.execute()
##### redis 原生事务
multi # 开启事务
set name lqz # 将命令放到管道queue中
set age 18
exec # 退出事务 并执行queue中的所有命令
# Watch key 命令用于监视一个(或多个) key 监控一直持续到EXEC命令
如果在事务执行之前 这个(或这些) key 被其他命令所改动，那么事务将被打断
# eg: 常用来决定事务是执行还是回滚、乐观锁
# eg: 模拟事务--只能当前客户端自建某个key，其他客户端不允许
# 客户端1：
watch age # 在开启事务之前，先watch
multi
decr age
exec
# 客户端2：
mutil
decr age
exec
# 若在客户端1的exec(执行事务)命令前，先执行客户端2的事务命令 那么客户端1的事务执行就会失败
因为现在被watch 监控的key，已经被修改了
# watch的作用：
乐观锁：乐观的认为本次的key不会被修改，如果被修改，那么本次事务就不成功
被watch的事务，key被修改后 事务不会执行成功
eg: 利用redis的乐观锁，实现秒杀系统的数据同步（基于watch实现）
https://www.cnblogs.com/liuqingzheng/p/9997092.html
# redis的乐观锁 秒杀系统核心逻辑测试，创建100个线程并发秒杀
import redis
from threading import Thread
def choose(name, conn):
# conn.set('count',10)
with conn.pipeline() as pipe:
# 先监视，自己的值没有被修改过
conn.watch('count')
# 事务开始
pipe.multi()
old_count = conn.get('count')
count = int(old_count)
# input('我考虑一下')
# time.sleep(random.randint(1, 2))
if count > 0: # 有库存
pipe.set('count', count - 1)
# 执行，把所有命令一次性推送过去
ret = pipe.execute()
print(ret)
if len(ret) > 0:
print('第%s个人抢购成功' % name)
else:
print('第%s个人抢购失败' % name)
if __name__ == '__main__':
conn = redis.Redis(host='127.0.0.1', port=6379)
for i in range(100):
t = Thread(target=choose, args=(i, conn))
t.start()
3.3 发布订阅(使用较少)
# 角色
发布者、订阅者、频道
发布者发布了消息，所有的订阅者都可以收到，就是生产者消费者模型（后订阅了，无法获取历史消息）
# 不是专业的消息队列，发布订阅功能使用很少
通常使用专业的消息队列 rabbitmq 来发布订阅
3.4 BitMaps位图
# 本质就是字符串 bitmaps就是可以操作字符串的bit位
# redis字符串最大 512M 约40亿大小
# 用途：
独立用户的统计 # 一般的公司根本用不到
参考：https://blog.csdn.net/uisoul/article/details/117959561
# 基本原理：统计每日活跃用户
假设用户1亿 userid是自增的int类型
就使用位图 bit对应的序号 就相当于 用户userid号
# 只要用户当日登录，就将对应bit 设置为1
setbit user:view:2020-5-17 3 1
# 统计当日活跃用户数量
bitcount user:view:2020-5-17 --> 1
set hello big # 放入key位hello 值为big的字符串
### 可以直接操纵位
getbit key offset # 取位图第offset个位置的值 0/1
setbit key offset value # 给位图指定索引 设置值
# eg:
setbit hello 7 1 # 把hello的第7个位置设为1 big就变成了cig
setbit test 50 1 # 当key不存在时，在key的value的第50位设为1，那其他位都以0补
bitcount key [start end] # 获取位图指定范围位值为1的个数 默认为全部字节
# eg：
bitcount user:view:2020-5-17
# 做多个Bitmap的and(交集)/or(并集)/not(非)/xor(异或)，操作并将结果保存在destkey中
bitop op destkey key [key...]
# eg：
bitop and after_lqz lqz lqz2 # 把lqz和lqz2按位与操作 放到after_lqz中
bitpos key targetBit start end # 计算指定范围内第一个比特值为指定bit（0或1）的偏移量
# eg:
bitpos lqz 1 # lqz 对应位图中第一个bit为1的位置
bitpos lqz 0 # lqz 对应位图中第一个bit为0的位置
bitpos lqz 1 1 2 # 返回从第一个字节到第二个字节之间 第一个1的位置
3.5 HyperLogLog
# 超小内存唯一值计数 每个键大小为12kb
# 本质就是一个基于HyperLogLog算法 超小内存去重的字符串集合
# 三个命令
# 向hyperloglog类型的key 添加元素,可以同时添加多个
pfadd key element
# 计算key的独立总数
pfcount key
# 合并多个hyperloglog，把sourcekey1和sourcekey2合并为 destroy
pfmerge destroy sourcekey1 sourcekey2
# eg:
pfadd uuids1 "uuid1" "uuid2" "uuid3" "uuid4"
pfadd uuids2 "uuid3" "uuid4" "uuid5" "uuid6"
pfmerge uuidsall uuids1 uuids2 # 合并
pfcount uuidsall #统计个数 返回6
# 用途：极小的空间完成独立数量统计
统计注册 IP 数
统计月访问 IP 数
统计用户每天搜索不同词条的个数
# 总结：
1.百万级别独立用户统计，百万条数据只占15k
2.错误率 0.81%
3.无法取出单条数据，只能统计个数
4.一般可以bitmap和hyperloglog配合使用
bitmap标识哪些用户活跃，hyperloglog计数
# 与布隆过滤器类似 都有误差
3.6 GEO 地理信息定位
# 本质是有序集合 zset
# GEO（地理信息定位）：存储经纬度，计算两地距离，范围等
# eg:
北京：116.28，39.55
天津：117.12，39.08
可以计算天津到北京的距离，天津周围50km的城市，外卖等
# 相关命令
# 增加地理位置信息
geoadd key longitude latitude member
# eg:
geoadd cities:locations 116.28 39.55 beijing # 把北京地理信息天津到cities:locations中
geoadd cities:locations 117.12 39.08 tianjin
geoadd cities:locations 114.29 38.02 shijiazhuang
geoadd cities:locations 118.01 39.38 tangshan
geoadd cities:locations 115.29 38.51 baoding
# 获取地理位置信息
geopos key member
# eg:
geopos cities:locations beijing # 获取北京地理信息
# 获取两个地理位置的直线距离 unit:m(米) km(千米) mi(英里) ft(尺)
geodist key member1 member2 [unit]
# eg:
geodist cities:locations beijing tianjin km # 北京到天津的距离，89公里
# 根据给定的经纬度，返回半径不超过指定距离的元素
georadius key logitude latitude radiusm|km|ft|mi [withcoord] [withdist] [withhash] [COUNT count] [asc|desc] [store key][storedist key]
# 获取指定位置范围内的地理位置信息集合
georadiusbymember key member radiusm|km|ft|mi [withcoord] [withdist] [withhash] [COUNT count] [asc|desc] [store key][storedist key]
# 其他参数
withcoord 返回结果中包含经纬度
withdist 返回结果中包含距离中心节点位置
withhash 返回解雇中包含geohash
COUNT count 指定返回结果的数量
asc|desc 返回结果按照距离中心店的距离做升序/降序排列
store key 将返回结果的地理位置信息保存到指定键
storedist key 将返回结果距离中心点的距离保存到指定键
# eg:
georadiusbymember cities:locations beijing 150 km
1) "beijing"
2) "tianjin"
3) "tangshan"
4) "baoding"
标签：pipeline,HyperLogLog,04,Redis,redis,value,---,命令,key 来源： https://www.cnblogs.com/Edmondhui/p/16663916.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。