Redis之HyperLogLog算法原理

引入

针对问题

• 针对用户访问量或活跃量进行统计，由于可能数量级较大，所以直接采用HashMap的方式会占用大量内存，不可取。并且，也因为数量级较大，所以最终的统计结果存在较小的偏差时可接受的
• 因此，Redis基于此，引入了HyperLogLog结构来处理大数量级的统计问题

发展

伯努利试验

• 为什么HyperLogLog可以通过较少的内存(官方解释可以通过12K内存就能统计2^64个数据)，主要依靠概率论中的伯努利试验
• 实验的典故源于抛硬币，每次抛出硬币最终出现正方面的概率为50%。假设一直抛硬币，直到出现正面为止，记录为一次完整的试验
• 对于n次伯努利试验，意味着出现了n次正面，假设每次需要的次数为k_n，则必然会有一个kn的最大值记为k_max，基于极大似然估算的方法，发现存在估算关联n = 2 ^ k_max

优化

• 做n次伯努利试验进行一次估算，可以称为一轮，仅作一轮估算时误差率会较大，因此我们