bitmap是redis的一种扩展数据类型，主要用于二值状态统计，比如公司记录员工打卡记录，电商网站记录用户登录行为，积分商城记录用户签到情况。
bigmap底层使用的是String的数据结构，而String保存在计算机中的格式是二进制的字节数组，这样bitmap就充分利用了每个字节的bit位，大大节省了内存开销。
下面我们看一下bitmap的使用。
员工打卡
假如一个公司有100个员工，公司要对员工11月份的打卡行为进行统计，我们可以为11月份每一天分配一个bitmap，这个bitmap保存100个bit位，来记录员工的打卡行为。
注意:bitmap偏移量从0开始，所以100个bit位是从0~99，依次记录1-100号员工。
我们定义bitmap的key格式为:signed:20201101，记录2020年11月1日的打卡情况。下面代码是员工打卡和查询员工打卡情况：
/** * SETBIT命令 * 员工打卡 * 时间复杂度：O(1) */ public void sign(String key, int employeeNumber){ redisTemplate.opsForValue().setBit(key, employeeNumber - 1, true); } /** * GETBIT命令 * 查看员工打卡情况 * 时间复杂度：O(1) */ public boolean isSigned(String key,int employeeNumber){ return redisTemplate.opsForValue().getBit(key, employeeNumber - 1); }
我们可以查看某一天的打卡总人数，代码如下，入参："signed:20201101"：
/** * BITCOUNT命令 * 查看某一天的打卡人数 * 时间复杂度：O(N) */ public Long signedCount(String key){ return (Long) redisTemplate.execute((RedisCallback<Long>) conn -> conn.bitCount(key.getBytes())); }
这样我们就能根据打卡人数来判断当天的迟到人数比例。
注意：上面的sign方法必须设置key的序列化采用StringRedisSerializer，否则查询打卡情况是查不到的。如果不设置StringRedisSerializer，上面的sign和isSigned改为使用conn来执行，代码如下：
public void sign(String key, int employeeNumber){ redisTemplate.execute((RedisCallback<Boolean>) conn -> conn.setBit(key.getBytes(), employeeNumber - 1, true)); } public boolean isSigned(String key, int employeeNumber){ return redisTemplate.execute((RedisCallback<Boolean>) conn -> conn.getBit(key.getBytes(), employeeNumber - 1)); }
或者使用下面代码来设置RedisTemplate的setKeySerializer：
redisTemplate.setKeySerializer(new StringRedisSerializer());
那如果想看当月没有迟到过的员工呢？这个时候就要用到交集了，对当月每天的bitmap做交集，值为1的员工就是没有迟到过的。
这时就要用到bitmap的聚合运算了，命令BITOP， 支持AND(与)、OR(或), XOR(异或) and NOT(非)运算，除了NOT后面跟一个bitmap外，其他3种聚合运算后面都可以跟多个bitmap，命令如下：
BITOP AND destkey srckey1 srckey2 srckey3 ... srckeyN BITOP OR destkey srckey1 srckey2 srckey3 ... srckeyN BITOP XOR destkey srckey1 srckey2 srckey3 ... srckeyN BITOP NOT destkey srckey
为了让demo简单一些，我这里给出一个查看2天内没有迟到的员工，代码如下：
/** * 命令：BITOP * 复杂度：O(N) * 整个月全勤的员工数量，这里用2天代表整个月 * @param key1 第一天 * @param key2 第二天 */ public Long signedAllMonth(String key1, String key2){ String andMap = "signedAllMonth11"; redisTemplate.execute((RedisCallback) conn -> conn.bitOp(RedisStringCommands.BitOperation.AND, andMap.getBytes(), key1.getBytes(), key2.getBytes())); return (Long) redisTemplate.execute((RedisCallback<Long>) conn -> conn.bitCount(andMap.getBytes())); }
下面我再给出一段测试代码，这段代码模拟有50个员工全勤，bitMapService是我上面的代码所在类：
@Test public void testSignedAllMonth(){ for (int i = 1; i <= 100; i++){ bitMapService.sign("signed:20201101", i); } for (int i = 1; i <= 100; i += 2){ bitMapService.sign("signed:20201102", i); } Long count = bitMapService.signedAllMonth("signed:20201101", "signed:20201102"); System.out.println("=========="+count); }
输出如下：
==========50
判断日活跃用户数量
比如网站有10万个用户，我们要判断当天的日活用户。这样我们创建一个长度为10万的bitmap，每个用户id占一个位，我们定义key为：user:login，number为用户编号。当有用户登录时，调用下面的方法：
redisTemplate.opsForValue().setBit(key, number - 1, true);
日终的时候，我们用下面的方法就可以判断出日活用户：
redisTemplate.execute((RedisCallback<Long>) conn -> conn.bitCount(key.getBytes()));
总结
bitmap广泛地运用在二值计算的场景，对于一个二值状态只用一个bit位就可以，非常节约内存。比如我们对一个10亿的用户进行日活计算，占用的空间只有120M:
10亿/8/1024/1024=120M
