【SpringBoot DB 系列】Redis 高级特性之 HyperLoglog
hyperloglog 算法，利用非常少的空间，实现比较大的数据量级统计；比如我们前面在介绍 bitmap 的过程中，说到了日活的统计，当数据量达到百万时，最佳的存储方式是 hyperloglog，本文将介绍一下 hyperloglog 的基本原理，以及 redis 中的使用姿势
I. 基本使用
1. 配置
我们使用 SpringBoot 2.2.1.RELEASE来搭建项目环境，直接在pom.xml中添加 redis 依赖
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency> 复制代码
如果我们的 redis 是默认配置，则可以不额外添加任何配置；也可以直接在application.yml配置中，如下
spring: redis: host: 127.0.0.1 port: 6379 password: 复制代码
2. 使用姿势
我们下来看使用姿势，原理放在后面说明
redis 中，hyperlolog使用非常简单，一般就两个操作命令，添加pfadd + 计数pfcount；另外还有一个不常用的merge
a. add
添加一条记录
public boolean add(String key, String obj) { // pfadd key obj return stringRedisTemplate.opsForHyperLogLog().add(key, obj) > 0; } 复制代码
b. pfcount
非精准的计数统计
public long count(String key) { // pfcount 非精准统计 key的计数 return stringRedisTemplate.opsForHyperLogLog().size(key); } 复制代码
a. merge
将多个 hyperloglog 合并成一个新的 hyperloglog；感觉用的场景并不会特别多
public boolean merge(String out, String... key) { // pfmerge out key1 key2 ---> 将key1 key2 合并成一个新的hyperloglog out return stringRedisTemplate.opsForHyperLogLog().union(out, key) > 0; } 复制代码
3. 原理说明
关于 HyperLogLog 的原理我这里也不进行详细赘述，说实话那一套算法以及调和平均公式我自己也没太整明白；下面大致说一下我个人的朴素理解
Redis 中的 HyperLogLog 一共分了2^14=16384个桶，每个桶占 6 个 bit
一个数据，塞入 HyperLogLog 之前，先 hash 一下，得到一个 64 位的二进制数据
- 取低 14 位，用来定位桶的 index
- 高 50 位，从低到高数，找到第一个为 1 出现的位置 n
- 若桶中值 > n，则丢掉
- 反之，则设置桶中的值为 n
那么怎么进行计数统计呢？
- 拿所有桶中的值，代入下面的公式进行计算
上面这个公式怎么得出的?
之前看到一篇文章，感觉不错，有兴趣了解原理的，可以移步: www.jianshu.com/p/55defda6d…
4. 应用场景
hyperloglog通常是用来非精确的计数统计，前面介绍了日活统计的 case，当时使用的是 bitmap 来作为数据统计，然而当 userId 分散不均匀，小的特别小，大的特别大的时候，并不适用
在数据量级很大的情况下，hyperloglog的优势非常大，它所占用的存储空间是固定的2^14下图引用博文《用户日活月活怎么统计》
使用 HyperLogLog 进行日活统计的设计思路比较简单
- 每日生成一个 key
- 某个用户访问之后，执行
pfadd key userId - 统计总数:
pfcount key
