一 介绍
Redis HyperLogLog 是 Redis 2.8.9 版本新增的数据类型,是一种用于「统计基数」的数据集合类型,基数统计就是指统计一个集合中不重复的元素个数
注意,HyperLogLog 是统计规则是基于概率完成的,不是非常准确,标准误算率是 0.81%。
所以,简单来说 HyperLogLog 提供不精确的去重计数。
HyperLogLog 的优点: 在输入元素的数量或者体积非常非常大时,计算基数所需的内存空间总是固定的、并且是很小的。比如常见的 统计网站的 UV 数据。
在 Redis 里面,每个 HyperLogLog 键只需要花费 12 KB 内存,就可以存储接近 2^64 个不同元素的基数,和元素越多就越耗费内存的 Set 和 Hash 类型相比,HyperLogLog 就非常节省空间。
HyperLogLog 命令只有三个,非常简单。
PFADD key element [element ...]
PFCOUNT key [key ...]
PFMERGE destkey sourcekey [sourcekey ...]
Redis HyperLogLog 优势在于只需要花费 12 KB 内存,就可以计算接近 2^64 个元素的基数,和元素越多就越耗费内存的 Set 和 Hash 类型相比,HyperLogLog 就非常节省空间。
所以,非常适合统计百万级以上的网页 UV 的场景。UV 和统计PV 不一样,UV 需要去重,同一个用户一天访问多次页面只记录一次。当然我们可以为每一个页面设置独立的 set 集合来存储所有访问该页面的userid 信息,然后使用 scard 获取该集合的大小,该值就是这个页面的 UV .
但是当一个页面是有数千万,数亿访问量的时候, 这个set 集合必然占用非常大的存储空间,带来 Redis 性能和运维稳定性风险。
考虑到 UV 的统计数据不需要非常精确,1000w UV 和 1001w 实际相差不大,对用户感受而言也没有那么敏感。
所以在统计 UV 时,我们可以用 PFADD 命令(用于向 HyperLogLog 中添加新元素)把访问页面的每个用户都添加到 HyperLogLog 中。
pfadd web_page1:uv user1 user2 user3 user4 user5
接下来,就可以用 PFCOUNT 命令直接获得 page1 的 UV 值了,这个命令的作用就是返回 HyperLogLog 的统计结果。
pfcount web_page1:uv
在命令行真实模拟一下: 创建访问 web_page1的uv 统计, user1 user2 user3 user4 访问了页面 page1 ,然后 user1 user2 user6 user7 访问该页面,其中user1 user2 属于重复访问,使用 pfcount统计该页面的UV 最终是6 ,user1 user2 第二次访问被去重。
127.0.0.1:6379> pfadd web_page1:uv user1 user2 user3 user4
(integer) 1
127.0.0.1:6379> pfcount web_page1:uv
(integer) 4## 模拟user1 user2 重复访问页面
127.0.0.1:6379> pfadd web_page1:uv user1 user2 user6 user7
(integer) 1
127.0.0.1:6379> pfcount web_page1:uv
(integer) 6
不过,有一点需要注意:HyperLogLog 的统计规则是基于概率完成的,所以它给出的统计结果是有一定误差的,标准误算率是 0.81%。
这也就意味着,当我们使用 HyperLogLog 统计的 UV 是 100 万,但实际的 UV 可能是 101 万。虽然误差率不算大,但是,如果你需要精确统计结果的话,最好还是继续用 Set 或 Hash 类型。
业务数据库设计没有银弹,都是 各种折中。