Redis实战场景系列应用（六）近似统计

在实际的业务中，例如电商的场景里面，对于某一个商品的uv访问量我们会比较看重，为什么呢？这主要是由于我们需要做智能推荐。同时我们后台也可能存在数据统计，哪些商品每天的访问量比较靠前。这时候我们怎么办呢？

有一些小伙伴说我们把用户的访问日志记录做一下存储，每日进行统计，如果数据量比较大，我们可以上hadoop，spark等等。

但是试问一下，你们先找团队很小，可能不到5个后端开发，人手严重不够，此时你会上大数据这一套吗？肯定不会的。所以这里今天给大家介绍一个还是依靠redis来做数据统计，但是使用的数据类型是redis提供的HyperLogLog。

下面我们直接演示一下：

假设先找有一个商品id为1，用户id是1001 1002 1003 1004等等，那么实际情况如下：

1）用户1002来访问了id为1的商品，此时我们可以添加一个用户

pfadd product:1:uv 1002

2）此时用户1003也来访问了id为1的商品，我们再添加一个用户

pfadd product:1:uv 1003

以此类推，来一个用户我们就添加一个。

3）统计下有多少人访问了id为1的商品

pfcount product:1:uv

这里我们添加了两条数据，统计也是2，数据是合理的。

以上就是我们使用HyperLogLog数据类型实现统计的效果

备注：

1、HyperLogLog数据类型占用的空间很小，计算2^64个元素大概只需要12KB的内存空间
2、HyperLogLog是存在误差的，大概是在0.81%，所以这种类型只能用于统计哪些不需要很精准的场景，如果需要统计很精准的场景，需要使用其他的数据结构，例如set。
3、HyperLogLog数据类型会实现自动去重，不会有重复的数据统计。