UV 和 PV 是网站或应用数据分析中的常用指标，用于衡量用户活跃度和页面访问量。
UV (Unique Visitor 独立访客)：
- 指的是在一定时间内访问过网站或应用的独立用户数量。
- 通常根据用户的 IP 地址、Cookies 或用户 ID 等来唯一标识一个用户。
- 示例：同一个用户访问页面 3 次，仍然算作 1 个 UV。
PV (Page View 页面访问量)：
- 指的是某个页面在一定时间内被访问的次数。
- 每次页面加载或刷新都会计为一次 PV。
- 示例：如果一个用户打开页面并刷新 3 次，那么这 3 次都算作 3 次 PV。
UV 是统计独立访客的数量，我们可以通过 Redis 的 Set 数据结构来实现。Set 是一个不允许重复的集合，因此可以利用这一特性避免重复计数。但是如果用户量非常大，使用 Set 来存储用户 ID 会消耗很多内存，这时可以使用 Redis 提供的 HyperLogLog 数据结构来估算 UV。
HyperLogLog 用于基数统计，能够以非常低的内存消耗计算大规模数据的基数（如独立访客数）。然而，它不会像 Set 一样准确存储所有数据，而是使用概率统计来给出一个近似值，误差通常小于 0.81% 左右，所以我们通常使用其来统计UV。 逐个存储（一个一个存储）元素到 HyperLogLog 会在某些情况下增加误差。
Redis 提供的 HyperLogLog 命令：
PFADD key element [element ...]：向 HyperLogLog 数据结构添加元素，Redis 将会使用这些元素估算基数。PFCOUNT key [key ...]：返回一个或多个 HyperLogLog 估算的基数。
使用 HyperLogLog 估算独立访客数（UV）：
String userKey = "page:uv:homepage";
String userId = "user123"; // 用户唯一标识
jedis.pfadd(userKey, userId); // 将用户 ID 添加到 HyperLogLog 中
查询估算的 UV 数量：
Long uvEstimate = jedis.pfcount("page:uv:homepage");
System.out.println("估算的独立访客数：" + uvEstimate);
使用 HyperLogLog 进行 UV 估算时，内存消耗较少，但是由于其是基于概率算法，因此存在一定的误差，适合用于大规模数据分析。
@SpringBootTest
public class HmDianPingApplicationTests {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Test
public void hyperLogLogTest(){
// 模拟庞大数据
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中
stringRedisTemplate.opsForHyperLogLog().add("hl2",values);
}
}
// 统计数量
Long count = stringRedisTemplate.opsForHyperLogLog().size("hl2");
System.out.println(count);
}
}
而HyperLogLog 不适合计算 PV，因为 PV 需要精确计数每一次页面访问，而 HyperLogLog 只用于估算基数。计算 PV 应该使用 Redis 的 String 类型，并通过 INCR 或 INCRBY 命令来增加访问计数。
HyperLogLog 是一种高效的基数估算方法，适用于大数据量场景，能够以非常低的内存消耗提供基数（UV）估算。而 PV 则需要精确计数，因此需要使用字符串计数器。逐个存储（一个一个存储）元素到 HyperLogLog 会在某些情况下增加误差。
