基数可以理解为数据集中不重复的元素的个数。
例如拿UV做例子
网页的访问量(UV):一个用户多次访问,也只能算作一个人。
先看一下Hyperloglog的基础命令
命令 | 描述 |
---|---|
PFADD key element1 [elememt2…] | 添加指定元素到 HyperLogLog 中 |
PFCOUNT key [key] | 返回给定 HyperLogLog 的基数估算值。 |
PFMERGE destkey sourcekey [sourcekey…] | 多个 HyperLogLog 合并为一个 HyperLogLog |
看一下基础命令的使用例子
结合到UV,假设我们可以做到每个用户都能标记好,我们可以把所有的用户记录放到Hyperloglog里面,他会自动帮助我们去重统计,要比放在一个set里面一直占内存统计要好一些。
但是要注意Hyperloglog实际上用的是一种预估的方法,基本思想是利用集合中数字的比特串第一个 1 出现位置的最大值来预估整体基数,尽管才用了分桶的优化,但实际还是有误差在里面的,所以说要求特别确切准确的话,这种预估的方式肯定不行。所以说使用的时候还是要根据实际情况。