什么是HyperLogLog？
HyperLogLog 是 Redis 提供的一种概率数据结构，专门用于估算海量数据中不同元素的数量。它用固定的12KB内存，就能估算最多184亿亿（2^64）个不同元素，误差率仅0.81%。
1. 格式
# 基础语法
PFADD key value1 value2 ...
# 示例
PFADD video:views:123 "user1" "user2" "user3"
2. 特点
- 元素类型不限：value支持中文、英文、数字、长文本等任意类型
- 理论容量极大：每个key最多估算约184亿亿个不同元素
- 存储方式特殊：元素被哈希成64位二进制，不存储原始数据
- 内存占用固定：每个key固定约12KB，与元素数量无关
- 结果是估算值：基于概率算法，不是精确计数
简单的比喻
HyperLogLog就像：
- 看沙滩上的脚印估算来了多少人
- 看停车场停了多少车估算商场客流量
- 看朋友圈点赞头像数估算你的朋友数量
看具体命令怎么用
假设你是抖音，要统计某个视频，比如视频888,视频999的观看人数,
# 1. 记录用户观看（用户张三看了视频888）
PFADD video:views:888 "user_zhangsan"
# 2. 再记录几个用户（李四、王五）也看了视频888
PFADD video:views:888 "user_lisi"
PFADD video:views:888 "user_wangwu"
PFADD video:views:888 "user_zhangsan" # 同一个人又看了一次
# 3. 问：这个视频有多少不同的人看过？？
PFCOUNT video:views:888
# 返回：3 （user_lisi,user_wangwu各1次，user_zhangsan看了2次但只算1次）
# 4. 另一个视频999的数据
PFADD video:views:999 "user_zhangsan"
PFADD video:views:999 "user_999"
# 5. 问：视频888和999一共被多少不同的人看过？
PFMERGE total_views video:views:888 video:views:999
PFCOUNT total_views
# 返回：4（user_zhangsan,user_lisi,user_wangwu,user_999）
为什么要用HyperLogLog？
情况1：用普通方法（Set集合）
# 记录1亿用户观看
SADD video:views:888 "user1" "user2" ... "user100000000"
# 内存占用：约800MB！
# 统计：SCARD video:views:888 （精确）
# 问题：一个视频就占800MB，100个视频就80GB，太贵了！
情况2：用HyperLogLog
# 记录同样的1亿用户观看
PFADD video:views:888 "user1" "user2" ... "user100000000"
# 内存占用：永远只需要12KB！
# 统计：PFCOUNT video:views:888 （估算）
# 优势：1个视频12KB，100个视频也才1.2MB！
什么时候该用它？
✅ 适合用的场景：
-
网站统计UV（独立访客）
- 每天有100万人访问，你只想知道大概人数
- 不关心具体是谁访问了
-
APP的日活用户
- 想知道今天大概有多少人打开了APP
- 差几百人的误差没关系
-
广告点击去重
- 一个用户点了10次广告，只算1次有效点击
- 广告主接受少量误差
❌ 不适合用的场景：
-
银行账户统计
- 不能说"您账户大概有10000元，误差±81元"
-
选举投票统计
- 不能说"候选人A大概得了10000票，误差±81票"
-
需要知道具体有哪些人的场景
- 比如发优惠券给所有参与的用户
误差到底有多大？
# 例子：
PFADD mydata 几百万个用户ID...
PFCOUNT mydata
# 可能结果：
真实人数：1,000,000人
HyperLogLog返回：992,000 ~ 1,008,000人
误差率：0.81%
# 也就是说：
100万人 → 可能少算8100人或多算8100人
1000万人 → 可能少算8.1万人或多算8.1万人
实际应用对比
场景：统计公众号文章阅读人数
| 方法 | 内存消耗 | 精确度 | 能否知道谁读了 |
|---|---|---|---|
| 记录所有用户ID | 很大（用户越多越大） | 100%精确 | 可以，知道每个读者 |
| HyperLogLog | 固定12KB | 约99.19%精确 | 不能，只知道大概人数 |
一句话总结
HyperLogLog就是：
用很小的固定空间（12KB），快速估算超大数据集中有多少个不同的东西，牺牲一点精确度（0.81%误差），换来巨大的内存节省。
那么问题来了
为什么我刚刚举例的视频888,视频999的观看人数,pfcount之后得到的结果是精准的，并没有0.81%的误差？
这是理解HyperLogLog的关键点,数据量小的时候，HyperLogLog可能是准确的！
为什么小数据量时准确？
原因1：小数据时HyperLogLog会自动使用精确算法
- Redis的HyperLogLog在数据量小时使用精确计数
- 数据量超过某个阈值（约30000）才切换为概率估算
- 这是优化策略，避免"大炮打蚊子"
原因2：0.81%是最大误差，不是每次都有误差
- 误差是概率性的，不是固定的，好比投硬币，正面朝上的概率50%，不代表每投2回就有一回是正面朝上
记住这个选择：
- 数据量大，只要大概数量，不关心具体是谁 → 用HyperLogLog
再看一个完整例子
# 假设你是微博，要统计热搜话题的阅读人数
# 方法1：精确统计（太占内存）
# 每个阅读用户都记录：user1, user2, user3...
# 1000万人阅读 → 可能需要几百MB内存
# 方法2：用HyperLogLog（省内存）
# 同样1000万人阅读 → 只需要12KB内存
# 结果："这个话题大约有992万~1008万人阅读"
# 选择：
# - 如果是给广告商看数据 → 用HyperLogLog（可以接受误差）
# - 如果是给财务算钱 → 不能用HyperLogLog（必须精确）
HyperLogLog就是估算神器，专门解决"大概有多少个不同的东西"这个问题，特别省内存！
