本篇文章是Redis的实战篇，介绍一下使用Redis Bitmap实现亿级海量数据统计的方法，希望对大家有所帮助！
在移动应用的业务场景中，我们需要保存这样的信息：一个 key 关联了一个数据集合。【相关推荐：Redis视频教程】
常见的场景如下：
通常情况下，我们面临的用户数量以及访问量都是巨大的，比如百万、千万级别的用户数量，或者千万级别、甚至亿级别的访问信息。
所以，我们必须要选择能够非常高效地统计大量数据（例如亿级）的集合类型。
如何选择合适的数据集合，我们首先要了解常用的统计模式，并运用合理的数据了性来解决实际问题。
四种统计类型：
二值状态统计；
聚合统计；
排序统计；
基数统计。
本文将由二值状态统计类型作为实战篇系列的开篇，文中将用到 String、Set、Zset、List、hash 以外的拓展数据类型 Bitmap 来实现。
文章涉及到的指令可以通过在线 Redis 客户端运行调试，地址：try.redis.io/，超方便的说。
多分享多付出，前期多给别人创造价值并且不计回报，从长远来看，这些付出都会成倍的回报你。
特别是刚开始跟别人合作的时候，不要去计较短期的回报，没有太大意义，更多的是锻炼自己的视野、视角以及解决问题的能力。
码哥，什么是二值状态统计呀？
也就是集合中的元素的值只有 0 和 1 两种，在签到打卡和用户是否登陆的场景中，只需记录签到(1)或 未签到(0)，已登录(1)或未登陆(0)。
假如我们在判断用户是否登陆的场景中使用 Redis 的 String 类型实现（key -> userId，value -> 0 表示下线，1 - 登陆），假如存储 100 万个用户的登陆状态，如果以字符串的形式存储，就需要存储 100 万个字符串了，内存开销太大。
码哥，为什么 String 类型内存开销大？
String 类型除了记录实际数据以外，还需要额外的内存记录数据长度、空间使用等信息。
当保存的数据包含字符串，String 类型就使用简单动态字符串（SDS）结构体来保存，如下图所示：
以上是手把手带你使用Redis Bitmap实现亿级海量数据统计的详细内容。更多信息请关注PHP中文网其他相关文章！
