应用4：四两拨千斤 —— HyperLogLog

1.场景：需要统计一个网页的一天的访问量，同一个用户一天之内的多次访问请求只能计数一次

解决办法：为每一个页面一个独立的  set  集合来存储所有当天访问过此页面的用户  ID

缺陷：页面访问量非常大，使用一个很大的  set  集合来统计，这就非常浪费空间。如果这样的页面很多，那所需要的存储空间是惊人的

引入：Redis 提供了  HyperLogLog  数据结构就是用来解决这种统计问题的。HyperLogLog  提供不精确的去重计数方案，虽然不精确但是也不是非常不精确，标准误差是  0.81%

2.HyperLogLog使用方法

（1）两个指令pfadd 增加计数和pfcount 获取计数

（2）pfmerge，用于将多个pf 计数值累加在一起形成一个新的pf值

场景：网站中我们有两个内容差不多的页面，运营说需要这两个页面的访问量进行合并。pfmerge就可以派上用场了

127.0.0.1:6379> pfadd codehole user1

(integer) 1

127.0.0.1:6379> pfcount codehole

(integer) 1

127.0.0.1:6379> pfadd codehole user2

(integer) 1

127.0.0.1:6379> pfcount codehole

(integer) 2

127.0.0.1:6379> pfadd codehole user3

(integer) 1

127.0.0.1:6379> pfcount codehole

(integer) 3

127.0.0.1:6379> pfadd codehole user4 user5 user6 user7

(integer) 1

127.0.0.1:6379> pfcount codehole

(integer) 7

3.注意事项

HyperLogLog需要占据12k的存储空间，所以它不适合统计单个用户相关的数据。如果你的用户上亿，可以算算，这个空间成本是非常惊人的。但和set方案相比确真的是四两与千斤的比较。

redis对HyperLogLog的存储优化

在计数比较小时，它的存储空间采用稀疏矩阵存储，空间占用很小，仅仅在计数慢慢变大，稀疏矩阵占用空间渐渐超过了阈值时才会一次性转变成稠密矩阵，才会占用  12k 的空间

以上为学习《Redis深度历险核心原理和应用实践》笔记