一、HyperLogLog概述
- HyperLogLog并不是一种新的数据结构（实际类型为字符串类型），而是一种基数算法，通过HyperLogLog可以利用极小的内存空间完成独立总数的统计，数据集可以是IP、Email、ID等
- HyperLogLog提供了3个命令：pfadd、pfcount、pfmerge
二、添加（pfadd）
pfadd key element [element …]
- pfadd用于向HyperLogLog添加元素，如果添加成功返回1
- 例如：下面向一个名为2016_06_06:unique:ids的hyperloglog中添加4个元素
三、计算独立用户数（pfcount）
pfcount key [key …]
- pfcount用于计算一个或多个HyperLogLog的独立总数
- 例如：接着上面的演示案例，2016_03_06:unique:ids的独立总数为4：
内存节省效果演示案例
- ①插入前使用info memory查看一下内存占用率
- ②下面建立一个名为test.sh的脚本，执行该脚本，向key为2016_05_01:unique:ids的HyperLogLog中插入100万个元素（循环每次插入1000条）
- elements=""
- key="2016_05_01:unique:ids"
- for i in `seq 1 1000000`
- do
- elements="${elements} uuid-"${i}
- if [[ $((i%1000)) == 0 ]];
- then
- redis-cli pfadd ${key} ${elements}
- elements=""
- fi
- done
- ③执行完脚本之后，再次查看内存，发现内存只增加了14K左右
- ④但是，使用pfcount查看结果，发现执行的结果并不止100万个
- ⑤现在改为使用集合类型进行测试，那么可以看到内存使用率在脚本执行完之后涨到了几十MB，但是独立用户数为100万
- elements=""
- key="2016_05_01:unique:ids:set"
- for i in `seq 1 1000000`
- do
- elements="${elements} "${i}
- if [[ $((i%1000)) == 0 ]];
- then
- redis-cli sadd ${key} ${elements}
- elements=""
- fi
- done
- 下图列出了使用集合类型和HperLogLog统计百万级用户的占用空间对比：
数据类型 | 1天 | 1月 | 1年 |
集合类型 | 80M | 2.4G | 28G |
HperLogLog | 15K | 450K | 5M |
- 可以看到，HyperLogLog内存占用量小得惊人，但是用如此小空间来估算如此巨大的数据，必然不是100%的正确，其中一定存在误差率。Redis官方给出的数字是0.81%的失误率
四、合并（pfmerge）
pfmerge destkey sourcekey [sourcekey ...]
- pfmerge可以求出多个HyperLogLog的并集并赋值给destkey
- 例如：要计算 2016年3月5日和3月6日的访问独立用户数，可以按照如下方式来执行，可以看到最终独立用户数是7：
五、HyperLogLog优缺点与使用建议
- HyperLogLog内存占用量非常小，但是存在错误率
- 开发者在进行数据结构选型时只需要确认如下两条即可：
- 只为了计算独立总数，不需要获取单条数据
- 可以容忍一定误差率，毕竟HyperLogLog在内存的占用量上有很大的优势
