Redis数据结构之HypeLogLog原理

统计UV的实现方式

1. Set
2. bitmap
3. Redis杀器HypeLogLog

1. Set实现

为了统计页面UV，及不重复的所有用户，我们可以建立一个Set的结构，存储所有访问页面的用户ID，根据Set的特性，我们可以保证每个ID只出现一次，从而得出UV，但这样会存在内存问题，假设每个ID为一个Integer，4字节，那么存储10亿个用户需要4G的内存空间，如果多统计几个页面，这得多少空间，太浪费了。

2. bitmap实现

用bitmap的好处是一个字节可以存储8个数，如果存储10亿个ID，1000000000/8/1024/1024 = 119.2M,相对于Set的实现，节省了40倍的空间，可能对一般小公司，足以，然而，对于海量数据怎么办。

3.1 HypeLogLog介绍

Redis 在 2.8.9 版本添加了 HyperLogLog 结构。Redis HyperLogLog是用来做基数统计的算法，**HyperLogLog的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定 的、并且是很小的。**在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。但是，因为 HyperLogLog 只会根据输入元素来计