Redis 如何統計獨立使用者訪問量？

1. hash

雜湊是 redis 的一種基礎資料結構，redis 底層維護的是乙個開雜湊，會把不同的 key 對映到雜湊表上，如果是遇到關鍵字衝突，那麼就會拉出乙個鍊錶出來。

當乙個使用者訪問的時候，如果使用者登入過，那麼我們就是用使用者的 id，如果使用者沒有登入過，那麼我們也能夠前端頁面隨機生成乙個 key 用來標識使用者。

當使用者訪問的時候，我們可以使用 hset 命令，key 可以選擇 uri 與對應的日期進行拼湊，field 可以使用使用者的 id 或者隨即標識，value 可以簡單設定為 1 。

當我們要統計某乙個**某一天的訪問量的時候，就可以直接使用 hlen 來得到最終的結果了。

優點：簡單，容易實現，查詢也是非常方便，資料準確性非常高。

2. bitset

我們知道，對於乙個 32 位的 int，如果我們只用來記錄 id，那麼只能夠記錄乙個使用者，但如果我們轉成 2 進製，每位用來表示乙個使用者，那麼我們就能夠一口氣表示 32 個使用者，控制項節省了 32 倍！

對於有大量資料的場景，如果我們使用 bitset，那麼可以節省非常多的記憶體。

對於沒有登入的使用者，我們也可以使用雜湊演算法，把對應的使用者表示雜湊成乙個數字 id 。bitset 非常的節省記憶體，假設有 1 億個使用者，也只需要 100000000/8/1024/1024 約等於 12 兆記憶體。

redis 已經為我們提供了 setbit 的方法，使用起來非常的方便，我們可以看看下面的例子。

我們在 item 頁面可以不停地使用 setbit 命令，設定使用者已經訪問了該頁面，也可以使用 getbit 的方法查詢某個使用者是否訪問。最後我們通過 bitcount 可以統計該網頁每天的訪問數量。

優點：占用記憶體更小，查詢方便，可以指定查詢某個使用者，資料可能略有瑕疵，對於非登入的使用者，可能不同的 key 對映到同乙個 id，否則需要維護乙個非登入使用者的對映，有額外的開銷。

缺點：如果使用者非常的稀疏，那麼占用的記憶體可能比方法一更大。

3. 概率演算法

對於拼多多這種多個頁面都可能非常多訪問量的**，如果所需要的數量不用那麼準確，可以使用概率演算法。

事實上，我們對乙個**的 uv 的統計，1 億跟 1 億零 30 萬其實是差不多的。

在 redis 中，已經封裝了 hyperloglog 演算法，它是一種基數評估演算法。這種演算法的特徵，一般都是資料不存具體的值，而是存用來計算概率的一些相關資料。

當使用者訪問**的時候，我們可以使用 pfadd 命令，設定對應的命令，最後我們只要通過 pfcount 就能順利計算出最終的結果，因為這個只是乙個概率演算法，所以可能存在 0.81% 的誤差。

優點：占用記憶體極小，對於乙個 key，只需要 12 kb。對於拼多多這種超多使用者的特別合適。

缺點：查詢指定使用者的時候，可能會出錯，畢竟存的不是具體的資料。總數也存在一定的誤差。

上面就是常見的 3 種適用 redis 統計**使用者訪問數的方法了。