redis的HyperLogLog实战

序

本文主要研究一下redis的HyperLogLog的用场

相关命令

pfadd

每添加一个元素的复杂度为O(1)

127.0.0.1:6379> pfadd uv0907 uid1 uid2 uid3
(integer) 1
复制代码

• 添加元素到HyperLogLog中，如果内部有变动返回1，没有返回0

pfcount

作用域单个HyperLogLog时，复杂度为O(1)，作用于多个HyperLogLog时，复杂度为O(N)

127.0.0.1:6379> pfcount uv0907
(integer) 3
复制代码

• 返回该HyperLogLog的近似基数，如果是指定多个HyperLogLog则返回的是他们的并集的近似基数

pfmerge

复杂度为O(N)，N为合并后的HyperLogLog数量

127.0.0.1:6379> pfadd uv0906 uid1 uid4 uid5
(integer) 1
127.0.0.1:6379> pfmerge uv0607 uv0906 uv0907
OK
127.0.0.1:6379> pfcount uv0607
(integer) 5
复制代码

• 合并指定的HyperLogLog到新的HyperLogLog中

使用场景

HyperLogLog是Probabilistic data Structures的一种，这类数据结构的基本大的思路就是使用统计概率上的算法，牺牲数据的精准性来节省内存的占用空间及提升相关操作的性能。最典型的使用场景就是统计网站的每日UV。实例如下：

    @Test
    public void testUv(){
        String uv1 = "uv96";
        String uv2 = "uv97";
        IntStream.rangeClosed(1,100)
                .forEach(i -> {
                    System.out.println(i);
                    redisTemplate.opsForHyperLogLog()
                            .add(uv1,"user"+i);
                    redisTemplate.opsForHyperLogLog()
                            .add(uv2,"user"+i/2);
                });

        long uv1Count = redisTemplate.opsForHyperLogLog().size(uv1);
        System.out.println(uv1Count);
        long uv2Count = redisTemplate.opsForHyperLogLog().size(uv2);
        System.out.println(uv2Count);

        String uv1uv2 = "uv67";
        Long uv1uv2Count = redisTemplate.opsForHyperLogLog().union(uv1uv2,uv1,uv2);
        System.out.println(uv1uv2Count);
        Long realCount = redisTemplate.opsForHyperLogLog().size(uv1uv2);
        System.out.println(realCount);
    }
复制代码

小结

• redis的HyperLogLog特别是适合用来对海量数据进行unique统计，对内存占用有要求，而且还能够接受一定的错误率的场景。
• 对于union操作由于是O(N)，在海量数据层面需要注意慢查询问题。

doc

• hyperloglog
• pfadd
• pfcount
• pfmerge
• HyperLogLogs in Redis
• hyperloglog的java版使用