布隆过滤器（Bloom Filter）是一种概率型数据结构，用于判断一个元素是否属于一个集合。它特别擅长处理大规模数据的快速查找，具有高效的空间利用率和查询速度。

在我们日常业务开发中 特别是在开发大数据量业务和高并发项目中。Bitmap 和布隆过滤器作为 Redis 的高级扩展数据结构 在这种业务场景下使用频率是非常高的。像什么签到、查重过滤等场景都非常

I. 基本使用 1. 配置 2. 使用姿势 a. 设置标记 b. 判断存在与否 c. 计数 3. 应用场景 a. 日活统计 c. 点赞 d. 布隆过滤器 bloomfilter 4. 小结 II. 其他 0. 项目 1. 一灰灰 Blog

前言 Redis作为一种优秀的基于key/value的缓存，有非常不错的性能和稳定性，无论是在工作中，还是面试中，都经常会出现。 今天这篇文章就跟大家一起聊聊，我在实际工作中使用Redis的10种场景

本文主要介绍了BitMap与实际应用其解决问题的案例。有10亿个用户id (int类型)，判断用户是否登录？短视频平台中有十亿+用户，广告主想要精准投放流量，如何进行人群的圈选呢？

1. bitmap和zset数据结构简介 Redis中的bitmap和zset两种数据结构在业务场景中非常有用,巧妙的使用它们往往能将复杂问题完美解决。我们先来简单介绍一下这两种数据结构。 信息在计算机上存储的基本单位是位。位只能存储0或者1,我们平时所说的字符串、数字等所有的…

Redis BitMap是一种高效的位操作数据结构，它将字符串看作是由二进制位组成的数组。在Redi