Redis中HyperLogLog的使用

news2024/11/27 20:50:27

前言

HyperLogLog

前言

在学习HyperLogLog之前，我们需要先学习两个概念

UV：全称Unique Visitor，也叫独立访客量，是指通过互联网访问、浏览这个网页的自然人。1天内同一个用户多次访问该网站，只记录1次。
PV：全称Page View，也叫页面访问量或点击量，用户每访问网站的一个页面，记录1次PV，用户多次打开页面，则记录多次PV。往往用来衡量网站的流量。

如果UV在服务端做会很麻烦，因为每次都需要判断该用户是否已经统计过了，因此需要保存统计过的用户信息，如果都保存在Redis中，大型网站的数据量会非常大这种实现方案并不现实。因此，我们需要使用HyperLogLog算法。

HyperLogLog

该算法又可以叫做HLL算法，是从LogLog算法派生的概率算法，用于确定非常大的集合的基数，而不需要存储其所有值，Redis中的HLL是基于String结构实现的，单个HLL的内存占用永远不会超过16k，相应的代价是测量结果是概率性的，存在一定误差，但是可以忽略不计。

对应的命令如下

# 添加用户ip
PFADD key element [element ...]
# 统计访问量，在存在多个key的情况下，会对多个key的访问用户进行去重后再统计
PFCOUNT key [key ...]
# 合并统计量
PFMERGE destkey sourcekey [sourcekey ...]

接下来我们对该方法进行测试，首先我们对 hll1 这个key进行插入，插入结果如下

那么接下来插入key为 hll2 的数据，执行结果结果如下

在 key 为 hll2 的数据完全包含了key为 hll1 的值时，我们对两个 key 进行联合统计，观察输出结果

可以看到，我们的统计结果是进行了去重后再进行统计的。那么接下来测试合并方法

hll2 的数据会合并到 hll1 中，该方法的存在，我们可以设置ip访问时设置 key 为年月日，这样我们可以通过合并每天的key来统计每月的活跃人数。接下来我们测试HLL的内存占用情况

首先是我们先获取没有存储100w数据情况时的内存使用情况，需要注意的时，该值为字节值，需要我们自己转化为kb

测试代码如下，我们需要创建100w的对象来模拟访问量通过HLL存储，我们测试Redis的占用情况

@Test
public void test01() throws Exception {
    String[] str = new String[1000];
    int j =0;
    for (int i = 0; i < 1000000; i++) {
        j = i%1000;
        str[j] = "user"+i;
        if (j == 999){
            stringRedisTemplate.opsForHyperLogLog().add("hll1",str);
        }
    }
    Long count = stringRedisTemplate.opsForHyperLogLog().size("hll1");
    System.out.println(count);
}

执行完测试代码后的内存占用情况以及统计结果如下，内存占用变为 900992，统计次数为 1001788，可以看到存在一定误差，但是对于100w数据来说基本可以忽略不计。