持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第31天，点击查看活动详情
背景
项目中我们经常需要统计网页浏览的用户数量(一天内一个用户多次访问只能算一次)的需求，通常情况下我们可以使用Redis的Set的数据来进行统计，但是当用户的数据量非常大的时候，采用Set方式统计会对性能造成影响，那么还可以采用其他的方式来统计吗？我们可以采用Redis的HyperLogLogs来进行统计。
简介
Redis中的HyperLogLog是一种基于基数估算的算法，所谓基数估算就是在一批数据中不重复的元个数有多少个。HyperLogLog实际上不会存储每个元素的值，它使用的是概率算法，通过存储元素的hash值的第一个1的位置，来计算元素数量。而Redis的HyperLogLog统计2的64次方个数据，只需要12k的内存，且统计的标准误差在%0.18，非常适合于统计UV这种需求。
HyperLogLog算法原理
Redis的HyperLogLog是用来做基数统计的算法。
什么是基数
例如数据集 {1, 3, 5, 7, 5, 7, 8}， 那么这个数据集的基数集为 {1, 3, 5 ,7, 8}, 基数(不重复元素)为5。 基数估计就是在误差可接受的范围内，快速计算基数。
HyperLogLog公式
通过HyperLogLog算法是对于LogLog算法的改进，关于LogLog算法的具体实现，可以查询相关的资料进行了解， HyperLogLog的公式具体如下：
说明：其中constant常数和m的含义和之前的LogLog算法公式中的含义一致，Rj代表(第j个桶中的数据的最大前导零数目+1)，为了方便理解，我将公式再拆解一下：
基本命令
pfadd 添加元素
基本语法
pfadd key element
示例
pfcount 返回给定HyperLogLog的基数估算值。
基本语法
pfcount key
示例
pfmerge 将多个HyperLogLog 合并为一个HyperLogLog
基本语法
pfmerge key1 key2
示例
说明：集合hy1{2,3,4,5,6,7,8,9},集合hy2{0,10,14,15,6,7,8,19} 合并后的集合为：{2,3,4,5,6,7,8,9,14,15,0,10,19}所以长度为13.
应用场景
- 统计每日访问IP数
- 统计页面实时UV数
- 统计在线用户数
- 统计用户每天搜索不同词条的个数
总结
本文讲解了Redis的HyperLogLogs的数据结构和相关的命令，HyperLogLogs是基于基数估算的算法，所以估计统计会存在误差，而通过Set来进行统计根据准确，但需要考虑性能，所以我们需要在不同的业务场景需要选择合适的Redis的数据结构进行存储。
