本文介绍的是使用redis的HyperLoglog实现uv的统计功能。

背景

首先我们先明确一下uv这个名词代表的实际意义。uv代表的是通过网页访问浏览的人数，和文章的阅读量差不多，但是需要注意的是，一个人即使是多次访问，也只算一次。

所以，这种统计uv的方式放在后端的代码来做的话就会有一些大才小用了。建议使用redis的HpyerLoglog来实现统计。相信又有伙伴来疑问了，为什么不用redis的set来做呢？先来看看HperLoglog的使用场景吧，这是一个被忽略但是很好用的redis数据类型。

HyperLoglog

Redis HyperLogLog（HLL）是一种基数估计算法，用于近似计算大数据集中的不同元素数量。它可以提供接近精确计数的结果，但只使用很小的存储空间。

HyperLogLog 使用一种概率性算法来估计基数。它通过将元素的哈希值映射到一个固定长度的位数组中，并利用一些特定的位操作来计算基数的近似值。在 Redis 中，HyperLogLog 数据结构可以存储多个不同集合的基数。

以下是使用 Redis HyperLogLog 的一些常见操作：

1. PFADD key element [element ...]：向 HyperLogLog 数据结构中添加一个或多个元素。
   示例：PFADD hllset "element1" "element2" "element3"

2. PFCOUNT key [key ...]：返回 HyperLogLog 数据结构中估计的基数。
   示例：PFCOUNT hllset

3. PFMERGE destkey sourcekey [sourcekey ...]：将多个 HyperLogLog 数据结构合并为一个新的 HyperLogLog 数据结构。
   示例：PFMERGE mergedset hllset1 hllset2

Redis 的 HyperLogLog 功能非常适合在需要对海量数据进行去重或计数时使用。它的特点是存储空间小，执行速度快，并且近似计数的误差范围可配置。但要注意，由于是基于概率性算法，它在计数结果上可能会存在一定的误差，因此不能用于精确计数场景。

所以，根据以上的表述，统计uv的场景就非常适合用HyperLoglog来做。

命令行测试

说了这么多，先来命令行测试一下效果吧。

明显的看到了确实去重复了，下边我们用代码演示一下。

代码测试

我直接展示我的测试代码吧。

这里的逻辑就是批量的插入100w个用户的访问，最后获得nv的值。我这边的多次测试结果都在1001048左右，也就是说多了1000左右的数据是不正确的，但是这不影响nv的评估和统计。

好了，以上就是今天的分享了，感谢伙伴们的阅读。

与shigen一起，每天不一样！