Redis 实战篇：巧用数据类型实现亿级数据统计

若有收获,请记得分享和转发哦

在移动应用的业务场景中，我们需要保存这样的信息：一个 key 关联了一个数据集合，同时还要对集合中的数据进行统计排序。

常见的场景如下：

• 给一个 userId ，判断用户登陆状态；

• 两亿用户最近 7 天的签到情况，统计 7 天内连续签到的用户总数；

• 统计每天的新增与第二天的留存用户数；

• 统计网站的对访客（Unique Visitor，UV）量

• 最新评论列表

• 根据播放量音乐榜单

通常情况下，我们面临的用户数量以及访问量都是巨大的，比如百万、千万级别的用户数量，或者千万级别、甚至亿级别的访问信息。

所以，我们必须要选择能够非常高效地统计大量数据（例如亿级）的集合类型。

如何选择合适的数据集合，我们首先要了解常用的统计模式，并运用合理的数据来解决实际问题。

四种统计类型：

1. 二值状态统计；

2. 聚合统计；

3. 排序统计；

4. 基数统计。

本文将用到 String、Set、Zset、List、hash 以外的拓展数据类型 Bitmap、HyperLogLog来实现。

文章涉及到的指令可以通过在线 Redis 客户端运行调试，地址：https://try.redis.io/，超方便的说。

所以，可以专门部署一个集群用于统计，让它专门负责聚合计算，或者是把数据读取到客户端，在客户端来完成聚合统计，这样就可以规避由于阻塞导致其他服务无法响应。