redis中的bitmap你瞭解嗎

setbit key offset value
 #設定bitmapkey為20220328  uid為100的使用者已簽到1
setbit  20220320  100 1 
setbit  20220320  200 1
 setbit  20220321  100 1
setbit  20220321  300 1
  getbit 20220320  100  #返回1,說明這個使用者已簽到了
  bitcount 20220320  #獲取bitmap數量

127.0.0.1:6400> setbit bittest 100 1 #設定不存在的offset返回0
(integer) 0
127.0.0.1:6400> setbit bittest 100 1 #設定已存在的offset返回1
(integer) 1

/**
     * 布隆過濾器bloom Filter
     * 1.百萬分之一的概率雜湊衝突,所以有存在的不一定存在，但是不存在的百分百不存在
     * 2.不能刪除,刪除的時候不能簡單的直接置為0,可能會影響其他元素的判斷,其實問題不大一般生產資料也不會刪除的,都是軟刪除
     * 3.新增資料時候寫入bloom Filter
     * 4.2^32次方40億資料記憶體佔用才600M,超級省記憶體,查詢速度非常快,160M記憶體可以在千萬級資料做到1%的誤判
     * 5.bitmap根據offset去申請記憶體的,所以要省記憶體的情況要限制offset值
     */
    public function bloomAction(){
        $t1 = time();
         for($i=0;$i<99;$i++){
            $bl = new BloomFilter();
            //$str = "1https://arnaud.le-blanc.net/php-rdkafka-doc/phpdoc/book.rdkafka.html?id=".time();
            $str = "https://dasda.le-blanc.net/php-rdkafka-doc/phpdoc/book.rdkafka.html?id=".mt_rand(1,99999999);
            p($str);
             $res1 = $bl->JSHash($str);//兩次雜湊3s,md5雜湊重複的概率是百萬分之一
             p($res1);
        }
        //p($res);
        $t2 = time();
        echo $t2-$t1;
    }
    /**
     * 布隆過濾器初始化 bloom Filter 執行 php  index.php "index/demo/loadDb2bloom"
     */
    public function isExistBloomAction(){
        $redis = redisCursor();
        $email = input("email","","trim");
        $tel   = input("tel","");
         $result = false;
        $msg    = "";
        if(filter_var($email,FILTER_VALIDATE_EMAIL)){
            $key1  = "bloom_user_email";
            $offset = BloomFilter::JSHash($email);
            $result = $redis->getbit($key1,$offset);
            $msg = $email;
        }elseif($tel){
            $key2  = "bloom_user_telephone";
            $offset = BloomFilter::JSHash($tel);
            $result = $redis->getbit($key2,$offset);
            $msg = $tel;
        }
         $result?apiSuccess($msg.",已存在"):apiError($msg.",不存在");
    }
    /**
     * 布隆過濾器初始化 bloom Filter 執行 php  index.php "index/demo/loadDb2bloom"
     */
    public function loadDb2bloomAction(){
        $time1 = time();
        $redis = redisCursor();
         $key1 = "bloom_user_email";
        $key2 = "bloom_user_telephone";
         //setbit() offset 必須是數位,value必須是1或0
        //$redis->setbit($key,30,1);
        $table  = "user";
        $pkid   = "id";
        $field1 = "email";
        $field2 = "telephone";
         $maxid = Db::name($table)->max($pkid);
         $size  = 5000;
        $page  = ceil($maxid/$size);
         for($i=0;$i<$page;$i++){
            $start = $i*$size;
            $where = " $pkid between ".$start."  and ".($start+$size);
            $res = Db::name($table)->where($where)->field("$field1,$field2")->select();
             if($res){//同步到bitmap
                foreach($res as $k=>$v){
                    //布隆過濾器  1.存在的不一定存在, 2.不存在的100%不存在(原因,雜湊衝突可能用100W分之一的可能重複)
                    //所以註冊的時候判斷不存在的,百分百可以註冊，存在的可以查詢一下資料庫是否真的不存在
                     $value1 = BloomFilter::JSHash($v["$field1"]);
                    $value2 = BloomFilter::JSHash($v["$field2"]);
                     $redis->setbit($key1,$value1,1);//email去重
                    $redis->setbit($key2,$value2,1);//mobile去重
                }
            }
             $time2 = time();
            echo $where." 消耗時間 ".($time2-$time1).PHP_EOL;
        }
         $time3 = time();
        echo " 總消耗時間 ".($time3-$time1).PHP_EOL;
    }

<?php
 class BloomFilter
{
    /**
     *  下面的雜湊函數隨便用一個都行,都是把字串轉換成數位
     */
     /**
     * hash方法類
     * 由Justin Sobel編寫的按位元雜湊函數
     * update：Denny
     * 返回之前做了記憶體限制在160M,超過10億的雜湊後的數值,把它限制在10億內,此時1000W的資料可做到1%誤判,記憶體不差這600多M的話就別限制了
     * 因為redis的bitmap申請記憶體是看offset申請記憶體的,setbit mykey 400000000 1，這樣直接申請了600M記憶體
     */
    public static function JSHash($string, $limitMemory=true,$len = null)
    {
        $hash = 1315423911;
        $len || $len = strlen($string);
         for($i = 0; $i < $len; $i++)
        {
            $hash ^= (($hash << 5) + ord($string[$i]) + ($hash >> 2));
        }
         $hashNum = ($hash % 0xFFFFFFFF) & 0xFFFFFFFF;
         //為了節省記憶體,超過10億就對半拆,10億,這時候大約是130M記憶體佔用,千萬級資料可以做到1%誤判率,記憶體足夠可以不用判斷,直接生成就行了
        //如果資料過4000W的話不用限制了,因為生成的資料最大也是2^32次方40多億,此時記憶體佔用大概在600M封頂了
        if($limitMemory){
            if($hashNum>4000000000){
                $hashNum = intval($hashNum/5);
            }elseif($hashNum>3000000000){
                $hashNum = intval($hashNum/4);
            }elseif($hashNum>2000000000){
                $hashNum = intval($hashNum/3);
            }
        }
         return $hashNum;
    }
}