点赞再看，养成习惯，听说微信搜《Java鱼仔》会让自己的技术更上一层楼
高级数据类型和五种基本数据类型不同，并非新的数据结构。高级数据类型往往是用来解决一些业务场景。
(一)BitMaps
（1.1） BitMaps概述
在应用场景中，有一些数据只有两个属性，比如是否是学生，是否是党员等等，对于这些数据，最节约内存的方式就是用bit去记录，以是否是学生为例，1代表是学生，0代表不是学生。那么1000110就代表7个人中3个是学生，这就是BitMaps的存储需求。 Bitmaps是一个可以对位进行操作的字符串，我们可以把Bitmaps想象成是一串二进制数字，每个位置只存储0和1。下标是Bitmaps的偏移量（offset）
（1.2） BitMaps操作
获取指定key对应的偏移量上的bit值
getbit key offset
设置指定key对应偏移量上的bit值，value只能是1或0
setbit key offset value
对指定key按位进行交、并、非、异或操作，并把结果保存到destKey中
bitop and destKey key1 key2.... //交 bitop or destKey key1 key2.... //并 bitop not destKey key1 key2.... //非 bitop xor destKey key1 key2.... //异或
统计指定key中1的数量
bitcount key start end
（1.3） BitMaps应用场景
我们假设一家公司要统计他们所有注册会员的每日/每周/每年登陆网站的情况，就可以使用BitMaps。其中每日登陆会员数量的统计方法如下：建立一个key值为当前日期的BitMaps，当id为5的会员登陆时，设置偏移量为4（下标从0开始），将BitMaps偏移量为4的数设置为1，以此类推。统计每日登陆的会员数就用bitcount命令统计即可。
统计每周登陆会员数量的方法如下：
对于统计每周登陆会员数，只需要将一周7天的数据使用并（or）操作计算即可。一个会员只要有一天的值等于1，那么并操作之后他的值就等于1，说明这一周他登陆了。再用bitcount统计即可。
(二)HyperLogLog
HyperLogLog是用来做基数统计的，所谓基数统计，就是指一串数字中不重复的数字个数，如{1，2，1，2，3}的基数就是3。
添加数据：
pfadd key element1 element2...
统计数据
pfcount key1 key2...
合并数据
pfmerge destkey sourcekey1 sourcekey2...
HyperLogLog使用问题：首先HyperLogLog只能记录数据。 由于核心的基数估计算法，在数量很大时有0.81%的误差。 占用空间很小，每个hyperLogLog只占用12k的内存。 pfadd命令不是一次性分配12k的数据，会随着基数的增加内存逐渐增大。 pfmerge命令合并后占用的存储空间为12k，无论之前的数据量为多少。
(三)GEO
GEO是redis中关于地理位置计算的高级数据类型，比如微信中的附近好友会展示好友离你的距离，这就是GEO的一个应用。
添加坐标点：
geoadd key longitude latitude member [longitude latitude member...]
获取坐标点
geopos key member
计算坐标距离
geodist key member1 member2 [unit] unit表示单位，默认m,可以设置 km, ft, mi
为了简单起见我把横纵坐标用简单的数字表示
根据坐标求范围内的数据(withcoord显示坐标，withdist显示距离，withhash显示hash值，count count用来取范围)
georadius key longitude latitude radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]
根据点求范围内数据
georadiusbymember key member radius m|km|ft|mi [withcoord] [withdist] [withhash] [count count]
获取指定点对应的坐标hash值
geohash key member1 member2...
（四）总结
在实际的应用开发中，只有特殊的业务需求才会有可能用到这些高级数据类型，所以可以不用掌握具体的方法，但是需要知道每种高级数据类型是什么，等用到的时候再查更加详细的资料就可以了。
