Redis HyperLogLog用法简介

（1）HyperLogLog简介

在Redis 在 2.8.9 版本才添加了 HyperLogLog，HyperLogLog算法是用于基数统计的算法，每一个 HyperLogLog 键只须要花费 12 KB 内存，就能够计算接近 2^64 个不一样元素的基数。HyperLogLog适用于大数据量的统计，由于成本相对来讲是更低的，最多也就占用12kb内存

业务场景，HyperLogLog经常使用于大数据量的统计，好比页面访问量统计或者用户访问量统计

举个例子，假如要统计一个页面的访问量(PV)，这个还比较好办，能够直接用redis计数器或者直接存数据库均可以作，而后若是再加需求，如今要统计一个页面的用户访问量(UV)，一个用户一天内若是访问屡次的话，也只能算一次，这样的话，你可能会想到用SET集合来作，由于SET集合是有去重功能的，key存储页面对应的关键字，value存储对应userId，这种方法是可行，但是访问量一多的话，假若有几千万访问量，那就麻烦了，为了统计一个访问量，要频繁建立SET集合对象

那有其它方法吗？针对上面大访问量的状况，redis是有实现了HyperLogLog算法，HyperLogLog 这个数据结构的发明人 是Philippe Flajolet 教授

Redis集成的HyperLogLog使用语法主要有pfadd和pfcount，顾名思义，一个是来添加数据，一个是来统计的，使用比较容易掌握，不过算法是比较复杂的，而后为何用pf？是由于HyperLogLog 这个数据结构的发明人 是Philippe Flajolet教授 ，因此用发明人的英文缩写，这样咱们也容易记住这个语法了

下面给出一些简单例子，启动redis客户端

127.0.0.1:6379> flushall
OK
127.0.0.1:6379> pfadd uv user1
(integer) 1
127.0.0.1:6379> pfcount uv
(integer) 1
127.0.0.1:6379> pfadd uv user2
(integer) 1
127.0.0.1:6379> pfcount uv
(integer) 2
127.0.0.1:6379> pfadd uv user3
(integer) 1
127.0.0.1:6379> pfcount uv
(integer) 3
127.0.0.1:6379> pfadd uv user4
(integer) 1
127.0.0.1:6379> pfcount uv
(integer) 4
127.0.0.1:6379> pfadd uv user5 user6 user 7 user8 user9 user10
(integer) 1
127.0.0.1:6379> pfcount uv
(integer) 10
127.0.0.1:6379>

而后用java的Jedis库来实现

加上Maven：

<dependencies>
  	<dependency>
			<groupId>redis.clients</groupId>
			<artifactId>jedis</artifactId>
			<version>2.9.0</version>
		</dependency>
  </dependencies>

写个测试类，要先启动redis服务端

package com.test.redis;

import redis.clients.jedis.Jedis;

public class RedisPFCountTest {
	
	public static void main(String[] args) {
		Jedis jedis = new Jedis("127.0.0.1",6379);
	    for (int i = 0; i < 1000; i++) {
	      jedis.pfadd("pv", String.valueOf(i));
	    }
	    long total = jedis.pfcount("pv");
	    System.out.printf("%d\n", total);
	    jedis.close();
	}

}

再加大数据量，这里写了10万次的统计，能够看出是有一点偏差的 固然HyperLogLog算法一开始就是为了大数据量的统计而发明的，因此很适合那种数据量很大，而后又没要求不能有一点偏差的计算，HyperLogLog 提供不精确的去重计数方案，虽然不精确可是也不是很是不精确，标准偏差是 0.81%，不过这对于页面用户访问量是没影响的，由于这种统计多是访问量很是巨大，可是又不必作到绝对准确，访问量对准确率要求没那么高，可是性能存储方面要求就比较高了，而HyperLogLog正好符合这种要求，不会占用太多存储空间，同时性能不错

(2) PFMERGE 用法

pfadd和pfcount经常使用于统计，而后来个需求，假如两个页面很相近，如今想统计这两个页面的用户访问量呢？这里就能够用pfmerge合并统计了，语法如例子：

127.0.0.1:6379> PFADD test1 "apple" "banana" "cherry"
(integer) 1
127.0.0.1:6379> PFCOUNT test1
(integer) 3
127.0.0.1:6379> PFADD test2 "apple" "cherry" "durian" "mongo"
(integer) 1
127.0.0.1:6379> PFCOUNT test2
(integer) 4
127.0.0.1:6379> PFMERGE test1&test2 test1 test2
OK
127.0.0.1:6379> PFCOUNT test1&test2
(integer) 5

原文出处：https://www.cnblogs.com/mzq123/p/11203969.html