Redis:19—常用功能之(HyperLogLog)

一、HyperLogLog概述

  • HyperLogLog并不是一种新的数据结构(实际类型为字符串类型)而是一种基数算法,通过HyperLogLog可以利用极小的内存空间完成独立总数的统计,数据集可以是IP、Email、ID等
  • HyperLogLog提供了3个命令:pfadd、pfcount、pfmerge

二、添加(pfadd)

pfadd key element [element …]
  • pfadd用于向HyperLogLog添加元素,如果添加成功返回1
  • 例如:下面向一个名为2016_06_06:unique:ids的hyperloglog中添加4个元素

三、计算独立用户数(pfcount)

pfcount key [key …]
  • pfcount用于计算一个或多个HyperLogLog的独立总数
  • 例如:接着上面的演示案例,2016_03_06:unique:ids的独立总数为4:

Redis:19---常用功能之(HyperLogLog)

内存节省效果演示案例

  • ①插入前使用info memory查看一下内存占用率

Redis:19---常用功能之(HyperLogLog)

  • ②下面建立一个名为test.sh的脚本,执行该脚本,向key为2016_05_01:unique:ids的HyperLogLog中插入100万个元素(循环每次插入1000条)
elements=""
key="2016_05_01:unique:ids"
for i in `seq 1 1000000`
do
elements="${elements} uuid-"${i}
if [[ $((i%1000)) == 0 ]];
then
redis-cli pfadd ${key} ${elements}
elements=""
fi
done

Redis:19---常用功能之(HyperLogLog)

  • ③执行完脚本之后,再次查看内存,发现内存只增加了14K左右

  • ④但是,使用pfcount查看结果,发现执行的结果并不止100万个

Redis:19---常用功能之(HyperLogLog)

  • ⑤现在改为使用集合类型进行测试,那么可以看到内存使用率在脚本执行完之后涨到了几十MB,但是独立用户数为100万
elements=""
key="2016_05_01:unique:ids:set"
for i in `seq 1 1000000`
do
elements="${elements} "${i}
if [[ $((i%1000)) == 0 ]];
then
redis-cli sadd ${key} ${elements}
elements=""
fi
done

Redis:19---常用功能之(HyperLogLog)

Redis:19---常用功能之(HyperLogLog)

Redis:19---常用功能之(HyperLogLog)

Redis:19---常用功能之(HyperLogLog)

  • 下图列出了使用集合类型和HperLogLog统计百万级用户的占用空间对比:

1年

80M

28G

HperLogLog

数据类型

1天

1月

集合类型

2.4G

15K

450K

5M

  • 可以看到,HyperLogLog内存占用量小得惊人,但是用如此小空间来估算如此巨大的数据,必然不是100%的正确,其中一定存在误差率。Redis官方给出的数字是0.81%的失误率

四、合并(pfmerge)

pfmerge destkey sourcekey [sourcekey ...]
  • pfmerge可以求出多个HyperLogLog的并集并赋值给destkey
  • 例如:要计算 2016年3月5日和3月6日的访问独立用户数,可以按照如下方式来执行,可以看到最终独立用户数是7:

五、HyperLogLog优缺点与使用建议

  • HyperLogLog内存占用量非常小,但是存在错误率
  • 开发者在进行数据结构选型时只需要确认如下两条即可:
  • 只为了计算独立总数,不需要获取单条数据
  • 可以容忍一定误差率,毕竟HyperLogLog在内存的占用量上有很大的优势