以下是 Redis 中 HyperLogLog 类型 的完整讲解，适用于高效统计海量数据中的“基数（独立元素个数）”场景，例如 UV（独立访客数）统计、唯一搜索词、唯一设备数等，极大节省内存。

📚 目录

  1. HyperLogLog 简介
  2. 核心命令说明
  3. 典型使用场景
  4. 与 Set 的比较
  5. 注意事项与局限性
  6. 参考资料

🧾 HyperLogLog 简介

HyperLogLog 是 Redis 2.8.9 引入的数据结构，用于 基数估算（Cardinality Estimation），即：

“统计不重复元素的近似数量”

🔍 特点

  • 支持 10^9 级别数据的去重统计
  • 每个 HyperLogLog 仅占用 12 KB 内存
  • 误差约 ±0.81%
  • 适合用在对精度要求不高但对性能和空间有要求的场景

🔧 核心命令说明

命令描述
PFADD key element [element ...]向 HyperLogLog 添加元素
PFCOUNT key [key ...]返回基数估算值（不重复元素数）
PFMERGE destkey sourcekey [sourcekey ...]合并多个 HyperLogLog 到一个新键

示例

PFADD uv:20250413 user_1 user_2 user_3
PFADD uv:20250413 user_1         # 重复添加无影响
PFCOUNT uv:20250413              # 返回约 3

合并多个 HLL：

PFMERGE uv:total uv:20250411 uv:20250412 uv:20250413
PFCOUNT uv:total

🧪 典型使用场景

✅ 网站独立访客统计（UV）

PFADD uv:2025-04-13 192.168.0.1
PFADD uv:2025-04-13 192.168.0.2
PFCOUNT uv:2025-04-13

✅ 活跃用户设备统计（唯一设备 ID）

PFADD app:active_devices device_001 device_002 ...

✅ 关键词唯一搜索量统计

PFADD search:keywords "redis" "mongodb" "redis"
PFCOUNT search:keywords  # ≈ 2

✅ 跨天 UV 合并

PFMERGE uv:last3days uv:20250411 uv:20250412 uv:20250413
PFCOUNT uv:last3days

🔄 与 Set 的比较

特性SetHyperLogLog
是否存储元素✅ 是❌ 否（只记录概率信息）
是否支持去重✅ 是✅ 是
是否能查看具体元素✅ 是❌ 不能
精度100% 精确近似 ±0.81%
空间占用随数据量增长恒定 12 KB 左右
查询速度O(N)O(1)
适合场景精确去重、社交关注UV/活跃用户等估算

⚠️ 注意事项与局限性

注意点说明
❗ 无法删除单个元素因为不存储实际值
⚠ 不适合高精度应用若需精确值请使用 Set
✅ 极高性能和内存效率海量用户 UV 统计非常适用
❗ 添加过多 HLL 后 PFMERGE 成本上升合并不是 O(1)，合并需谨慎频繁使用
✅ 与普通 key 一样可设置过期EXPIRE uv:20250413 86400

📎 参考资料

如你需要我帮你设计一个基于 HyperLogLog 的 UV统计系统、活跃用户估算系统或多渠道合并统计系统（支持可视化报表、缓存控制），可以随时告诉我，我可以生成一套完整的结构与代码方案。