Redis 面试题, 如何用 Redis 统计海量 UV?
Redis 面试题, 如何用 Redis 统计海量 UV?
QA
Step 1
Q:: 如何用 Redis 统计海量 UV？
A:: 使用 Redis HyperLogLog 数据结构。HyperLogLog 是一种基数估计算法，可以在固定的内存空间内高效地估计不同元素的数量。具体实现方法如下：
1. 使用 PFADD 命令将每个用户的唯一标识（如用户 ID 或 IP）添加到 HyperLogLog 中。
2. 使用 PFCOUNT 命令获取 HyperLogLog 中的唯一元素的近似计数，即为 UV 值。这样可以在占用极少内存的情况下统计海量 UV。
代码示例：
PFADD uv_counter user1 user2 user3 ...
PFCOUNT uv_counter
Step 2
Q:: Redis HyperLogLog 的优缺点是什么？
A:: 优点：
1. 高效：HyperLogLog 使用固定的内存（约 12 KB），可以处理非常大量的数据。
2. 简单：Redis 提供了简单的命令接口（PFADD 和 PFCOUNT），易于使用。
3. 可合并：多个 HyperLogLog 可以使用 PFMERGE 命令合并，方便统计分布式数据。
缺点：
1. 近似值：HyperLogLog 返回的是近似值，有一定误差（一般误差率在 0.81% 左右）。
2. 只适用于集合基数估计，不适合需要精确统计的场景。
Step 3
Q:: 什么是 Redis HyperLogLog？
A:: HyperLogLog 是一种概率算法，用于估算集合中不重复元素的基数（即集合的大小）。它使用固定的小内存空间，通过哈希函数将输入元素映射到一个稀疏矩阵，然后根据矩阵中非零值的位置分布来估算基数。Redis 从 2.8 版本开始支持 HyperLogLog。
Step 4
Q:: 在什么场景下使用 Redis HyperLogLog？
A:: HyperLogLog 非常适合在内存受限的情况下统计大规模去重数据，例如：
1. 网站或应用的独立访客数（UV）统计。
2. 社交平台用户参与度统计，如点赞、评论、分享的去重统计。
3. 广告系统中去重的用户展示次数统计。
Step 5
Q:: 如何合并多个 Redis HyperLogLog？
A:: 使用 Redis 提供的 PFMERGE 命令，可以将多个 HyperLogLog 合并成一个。合并后的 HyperLogLog 包含所有输入 HyperLogLog 的数据。
示例代码：
PFADD uv_counter1 user1 user2
PFADD uv_counter2 user3 user4
PFMERGE uv_counter uv_counter1 uv_counter2
PFCOUNT uv_counter # 结果为 4
Step 6
Q:: 如何选择合适的 Redis 数据结构进行统计？
A:: 选择合适的 Redis 数据结构取决于具体的需求：
1. 精确计数：使用 String 类型的 INCR 命令或 SET 数据结构。
2. 去重统计：使用 Set 数据结构。
3. 基数估计：使用 HyperLogLog。
4. 排序统计：使用 Sorted Set 数据结构。
5. 位图统计：使用 Bitmap 数据结构。