👨🎓作者简介：一位大四、研0学生，正在努力准备大四暑假的实习
🌌上期文章：Redis：原理速成+项目实战——Redis实战14（BitMap实现用户签到功能）
📚订阅专栏：Redis：原理速成+项目实战
希望文章对你们有所帮助
这篇是实战部分的终结篇，其实Redis的核心操作，主要是在实战部分的秒杀业务的，这里面有很多的细节：缓存、分布式锁、异步线程实现秒杀，这里面有很多的细节，可以去看这几篇文章：
Redis：原理速成+项目实战——Redis实战7（优惠券秒杀+细节解决超卖、一人一单问题）
Redis：原理速成+项目实战——Redis实战8（基于Redis的分布式锁及优化）
Redis：原理速成+项目实战——Redis实战9（秒杀优化）
Redis：原理速成+项目实战——Redis实战10（Redis消息队列实现异步秒杀）
本文只是对这个项目再拓展一个基于Redis的功能。
目前为止虽然项目功能上比较完善了，但是用到的Redis基本都是单结点的，多结点的我只是简单演示过demo。
这篇结束后要单独开一个专栏了，实现Redis的高级操作：Redis持久化、Redis主从模式、Redis哨兵机制以及Redis的分片集群
除此之外，还会进行Redis原理的更深入的剖析，将会自己做一点总结，为了将来的面试。
但是想冲好实习的话，除了Redis高级部分以及其底层原理，还非常需要快点将技术栈叠高一点，因此，后面的总结可能进度会很慢了。
Redis企业级项目实战终结篇（HyperLogLog实现UV统计）
- HyperLogLog的用法
- 测试百万数据的统计
HyperLogLog的用法
先搞懂两个概念：
1、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。
2、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。
UV统计在服务端做会比较麻烦，因为要判断该用户是否已经统计过了，需要将统计过的用户信息保存。但是如果每个访问的用户都保存到Redis中，数据量会非常恐怖。
HyperLogLog是LogLog算法派生的概率算法，用于确定非常大的集合的基数，而不需要存储器所有值，具体的原理涉及了很多数学，大家可以自行去了解。
Redis中的HLL是基于String结构实现的，单个HLL的内存永远小于16kb，内存占用非常低，其代价就是测量结果是存在概率性的，有0.8%的误差，这个误差其实也是很小了。如果能忍受这个误差就可以去用。
不管用PFADD添加多少个重复元素，用PFCOUNT都不会重复计数，天生就适合用来做UV统计。
测试百万数据的统计
百万用户访问的数据，这可并不好搞，所以直接用单元测试，向HyperLogLog中添加100万条数据，查看内存占用以及统计的效果。
首先利用命令查看当前内存使用情况：
测试类如下：
@Test
void testHyperLogLog(){
String[] values = new String[1000];
int j = 0;
for(int i = 0; i < 1000000 ; ++i){
j = i % 1000;
values[j] = "user_" + i;
if(j == 999){
//发送到Redis
stringRedisTemplate.opsForHyperLogLog().add("hl2", values);
}
}
//统计数量
Long count = stringRedisTemplate.opsForHyperLogLog().size("hl2");
System.out.println("count = " + count);
}
准确率还是很高的。
内存占用情况：
可以发现，这并没有牺牲太多的内存。
这种准确率已经非常的好了，以后要做UV统计，直接把数据往里面塞就可以了，真的遇到很多的用户，要这么去存储用户的时候，也是很容易做出来的。
到这里，Redis的所有实战都已经完成了，目前为止我已经算是完成了一个比较企业级的项目了，虽然这个功能只是做了个功能测试。
