后端经典面试题合集, 如何用 Redis 中的 HyperLogLog 统计页面 UV?

Step 1

Q:: 如何用 Redis 中的 HyperLogLog 统计页面 UV?

A:: Redis 中的 HyperLogLog 是一种基于概率的数据结构，可以用于高效地统计基数（distinct count），例如统计独立访客（Unique Visitor，UV）。你可以通过将每个用户的唯一标识符（例如用户 ID 或 IP 地址的哈希值）插入到 HyperLogLog 中，然后使用 Redis 的 PFCOUNT 命令来获取 UV 的估算值。示例代码如下：

 
import redis
 
r = redis.Redis(host='localhost', port=6379, db=0)
 
# 假设 user_id 是用户的唯一标识符
user_id = 'user123'
r.pfadd('page_uv', user_id)
 
# 获取页面 UV 的估算值
uv_count = r.pfcount('page_uv')
print(f'Estimated UV count: {uv_count}')
 

HyperLogLog 在大量数据场景下表现尤为优秀，它可以在极小的内存消耗下进行非常高效的去重计数。

Step 2

Q:: HyperLogLog 的误差范围是多少？如何影响实际使用？

A:: HyperLogLog 是一种近似算法，具有一定的误差。一般情况下，误差范围在 0.81% 左右。虽然误差存在，但在大数据场景下，它可以显著减少内存消耗并提高统计速度。因此，在对误差要求不苛刻的场景，如 UV 统计、去重统计等场景下，HyperLogLog 是一个非常合适的选择。

Step 3

Q:: 在 Redis 中，使用 HyperLogLog 统计 UV 和使用 Set 统计 UV 的区别是什么？

A:: 使用 Set 统计 UV 的时候，Redis 会为每个唯一元素分配空间，这在元素数量非常大时会导致内存使用量大幅增加。相比之下，HyperLogLog 不存储具体的元素，而是使用一个紧凑的位数组进行概率统计，因此占用的内存极小（通常是 12 KB），但它的结果是近似值，有一定误差。选择使用哪种方法，取决于你对内存使用和统计准确性的需求。