存储过程 not supported yet_让我们来看看+Redis如何存储和计算一亿用户的活跃度
1
前段時間，在網(wǎng)上看到一道面試題：
如何用redis存儲統(tǒng)計1億用戶一年的登陸情況，并快速檢索任意時間窗口內(nèi)的活躍用戶數(shù)量。
覺得很有意思，就仔細想了下 。并做了一系列實驗，自己模擬了下 。還是有點收獲的，現(xiàn)整理下來。和大家一起分享。
Redis是一個內(nèi)存數(shù)據(jù)庫，采用單線程和事件驅(qū)動的機制來處理網(wǎng)絡(luò)請求。實際生產(chǎn)的QPS和TPS單臺都能達到3,4W，讀寫性能非常棒。用來存儲一些對核心業(yè)務弱影響的用戶狀態(tài)信息還是非常不錯的。
對于這題，有2個重要的點需要考慮：
1.如何用合適的數(shù)據(jù)類型來存儲1億用戶的數(shù)據(jù)，用普通的字符串來存儲肯定不行。經(jīng)過查看一個最簡單的kv(key為aaa，value為1)的內(nèi)存占用，發(fā)現(xiàn)為48byte。
假設(shè)每個用戶每天登陸需要占據(jù)1對KV的話，那一億就是(48*100000000)/1024/1024/1024=4.47G。這還是一天的量。
2.如何滿足搜索，redis是一個鍵值對的內(nèi)存結(jié)構(gòu)，只能根據(jù)key來進行定位value值，無法做到像elastic search那樣對文檔進行倒排索引快速全文檢索。
redis其實有這種數(shù)據(jù)結(jié)構(gòu)的，可以以很少的空間來存儲大量的信息。
2
在redis 2.2.0版本之后，新增了一個位圖數(shù)據(jù)，其實它不是一種數(shù)據(jù)結(jié)構(gòu)。實際上它就是一個一個字符串結(jié)構(gòu)，只不過value是一個二進制數(shù)據(jù)，每一位只能是0或者1。redis單獨對bitmap提供了一套命令。可以對任意一位進行設(shè)置和讀取。
bitmap的核心命令：
SETBIT
語法：SETBIT key offset value
例如：
setbit abc 5 1 ----> 00001
setbit abc 2 1 ----> 00101
GETBIT
語法：GETBIT key offset
例如：
getbit abc 5 ----> 1
getbit abc 1 ----> 0
bitmap的其他命令還有bitcount，bitcount，bitpos，bitop等命令。都是對位的操作。
因為bitmap的每一位只占據(jù)1bit的空間 ，所以利用這個特性我們可以把每一天作為key，value為1億用戶的活躍度狀態(tài)。假設(shè)一個用戶一天內(nèi)只要登錄了一次就算活躍。活躍我們就記為1，不活躍我們就記為0。把用戶Id作為偏移量(offset)。這樣我們一個key就可以存儲1億用戶的活躍狀態(tài)。
我們再來算下，這樣一個位圖結(jié)構(gòu)的值對象占據(jù)多少空間。每一個位是1bit，一億用戶就是一億bit。8bit=1Byte
100000000/8/1024/1024=11.92M
我用測試工程往一個key里通過lua塞進了1億個bit，然后用rdb tools對內(nèi)存進行統(tǒng)計，實測如下：
一天1億用戶也就消耗12M的內(nèi)存空間。這完全符合要求。1年的話也就4個G。幾年下來的話，redis可以集群部署來進行擴容存儲。我們也可以用位圖壓縮算法對bitmap進行壓縮存儲。例如WAH，EWAH，Roaring Bitmaps。這個以后可以單獨拉出來聊聊。
我們把每一天1億用戶的登陸狀態(tài)都用bitmap的形式存進了redis，那要獲取某一天id為88000的用戶是否活躍，直接使用getbit命令：
getbit 2020-01-01 88000 [時間復雜度為O(1)]
如果要統(tǒng)計某一天的所有的活躍用戶數(shù)，使用bitcount命令，bitcount可以統(tǒng)計1的個數(shù)，也就是活躍用戶數(shù)：
bitcount 2019-01-01 [時間復雜度為O(N)]
如果要統(tǒng)計某一段時間內(nèi)的活躍用戶數(shù)，需要用到bitop命令。這個命令提供四種位運算，AND(與)，(OR)或，XOR(亦或)，NOT(非)。我們可以對某一段時間內(nèi)的所有key進行OR(或)操作，或操作出來的位圖是0的就代表這段時間內(nèi)一次都沒有登陸的用戶。那只要我們求出1的個數(shù)就可以了。以下例子求出了2019-01-01到2019-01-05這段時間內(nèi)的活躍用戶數(shù)。
bitop or result 2019-01-01 2019-01-02 2019-01-03 2019-01-04 2019-01-05 [時間復雜度為O(N)]
bitcount result
從時間復雜度上說，無論是統(tǒng)計某一天，還是統(tǒng)計一段時間。在實際測試時，基本上都是秒出的。符合我們的預期。
3
bitmap可以很好的滿足一些需要記錄大量而簡單信息的場景。所占空間十分小。通常來說使用場景分2類：
1.某一業(yè)務對象的橫向擴展，key為某一個業(yè)務對象的id，比如記錄某一個終端的功能開關(guān)，1代表開，0代表關(guān)。基本可以無限擴展，可以記錄2^32個位信息。不過這種用法由于key上帶有了業(yè)務對象的id，導致了key的存儲空間大于了value的存儲空間，從空間使用角度上來看有一定的優(yōu)化空間。
2.某一業(yè)務的縱向擴展，key為某一個業(yè)務，把每一個業(yè)務對象的id作為偏移量記錄到位上。這道面試題的例子就是用此法來進行解決。十分巧妙的利用了用戶的id作為偏移量來找到相對應的值。當業(yè)務對象數(shù)量超過2^32時(約等于42億)，還可以分片存儲。
看起來bitmap完美的解決了存儲和統(tǒng)計的問題。那有沒有比這個更加省空間的存儲嗎？
答案是有的。
4
redis從2.8.9之后增加了HyperLogLog數(shù)據(jù)結(jié)構(gòu)。這個數(shù)據(jù)結(jié)構(gòu)，根據(jù)redis的官網(wǎng)介紹，這是一個概率數(shù)據(jù)結(jié)構(gòu)，用來估算數(shù)據(jù)的基數(shù)。能通過犧牲準確率來減少內(nèi)存空間的消耗。
我們先來看看HyperLogLog的方法
PFADD 添加一個元素，如果重復，只算作一個
PFCOUNT 返回元素數(shù)量的近似值
PFMERGE 將多個 HyperLogLog 合并為一個 HyperLogLog
這很好理解，是不是。那我們就來看看同樣是存儲一億用戶的活躍度，HyperLogLog數(shù)據(jù)結(jié)構(gòu)需要多少空間。是不是比bitmap更加省空間呢。
我通過測試工程往HyperLogLog里PFADD了一億個元素。通過rdb tools工具統(tǒng)計了這個key的信息：
只需要14392 Bytes！也就是14KB的空間。對，你沒看錯。就是14K。bitmap存儲一億需要12M，而HyperLogLog只需要14K的空間。
這是一個很驚人的結(jié)果。我似乎有點不敢相信使用如此小的空間竟能存儲如此大的數(shù)據(jù)量。
接下來我又放了1000w數(shù)據(jù)，統(tǒng)計出來還是14k。也就是說，無論你放多少數(shù)據(jù)進去，都是14K。
查了文檔，發(fā)現(xiàn)HyperLogLog是一種概率性數(shù)據(jù)結(jié)構(gòu)，在標準誤差0.81%的前提下，能夠統(tǒng)計2^64個數(shù)據(jù)。所以 HyperLogLog 適合在比如統(tǒng)計日活月活此類的對精度要不不高的場景。
HyperLogLog使用概率算法來統(tǒng)計集合的近似基數(shù)。而它算法的最本源則是伯努利過程。
伯努利過程就是一個拋硬幣實驗的過程。拋一枚正常硬幣，落地可能是正面，也可能是反面，二者的概率都是 1/2 。伯努利過程就是一直拋硬幣，直到落地時出現(xiàn)正面位置，并記錄下拋擲次數(shù)k。比如說，拋一次硬幣就出現(xiàn)正面了，此時 k 為 1; 第一次拋硬幣是反面，則繼續(xù)拋，直到第三次才出現(xiàn)正面，此時 k 為 3。
對于 n 次伯努利過程，我們會得到 n 個出現(xiàn)正面的投擲次數(shù)值 k1, k2 ... kn , 其中這里的最大值是k_max。
根據(jù)一頓數(shù)學推導，我們可以得出一個結(jié)論： 2^{k_ max} 來作為n的估計值。也就是說你可以根據(jù)最大投擲次數(shù)近似的推算出進行了幾次伯努利過程。
5
雖然HyperLogLog數(shù)據(jù)類型這么牛逼，但終究不是精確統(tǒng)計。只適用于對精度要求不高的場景。而且這種類型無法得出每個用戶的活躍度信息。畢竟只有14K嘛。也不可能存儲下那么多數(shù)量的信息。
總結(jié)一下：對于文章開頭所提到的面試題來說，用bitmap和HyperLogLog都可以解決。
bitmap的優(yōu)勢是：非常均衡的特性，精準統(tǒng)計，可以得到每個統(tǒng)計對象的狀態(tài)，秒出。缺點是：當你的統(tǒng)計對象數(shù)量十分十分巨大時，可能會占用到一點存儲空間，但也可在接受范圍內(nèi)。也可以通過分片，或者壓縮的額外手段去解決。
HyperLogLog的優(yōu)勢是：可以統(tǒng)計夸張到無法想象的數(shù)量，并且占用小的夸張的內(nèi)存。 缺點是：建立在犧牲準確率的基礎(chǔ)上，而且無法得到每個統(tǒng)計對象的狀態(tài)。
我做了一個演示工程redis-bit，放在Gitee上，工程包括了初始化大容量的數(shù)據(jù)。和分別使用bitmap和HyperLogLog進行用戶活躍度的統(tǒng)計。最后通過http的方式進行輸出。
工程采用springboot+redisson客戶端。所有的參數(shù)支持配置
分享
上面是本人在學習路上整理的一些比較干貨的java資料，如果有需要的兄弟可以先關(guān)注我，私信我回復【資料】即可。
總結(jié)
以上是生活随笔為你收集整理的存储过程 not supported yet_让我们来看看+Redis如何存储和计算一亿用户的活跃度的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： multisimbcd码_8421BCD
- 下一篇： String.equals用法注意