# 一：前言
统计PV，每个页面一个单独的Redis计数器，这个计数器的key后缀加上当天的日期。这样来一个请求，incrby 一次，最终就可以统计出所有的 PV 数据。
统计UV，需要去重。同一个用户一天之内的多次访问请求只能计数一次。HyperLogLog提供不准确的去重计数方案。虽然不精确但是也不是非常不精确，标准误差是 0.81%
HyperLogLog 并不是一种新的数据结构(实际类型为字符串类型)，而是一种基数算法，通过HyperLogLog 可以利用极小的内存空间完成独立总数的统计，数据集可以是IP、Email、ID等
# 二：使用
pfadd key element [element …]：增加计数，用法和 set 集合的 sadd 是一样的，成功返回1pfcount key [key …]：获取计数，用法和 scard 是一样的pfmerge destkey sourcekey [sourcekey ...]：用于将多个 pf 计数值累加在一起形成一个新的 pf 值
> pfadd ccj1 user1
(integer) 1
> pfadd ccj1 user1 user2 user3 user4
(integer) 1
> pfcount ccj1
(integer) 4
> pfadd ccj2 user1 user5 user6
(integer) 1
> pfcount ccj2
(integer) 3
> pfmerge ccj3 ccj1 ccj2
OK
> pfcount ccj3
(integer) 6
1
2
3
4
5
6
7
8
9
10
11
12
13
14
2
3
4
5
6
7
8
9
10
11
12
13
14
pfadd 的 pf 是 HyperLogLog 算法发明人 Philippe Flajolet 的首字母缩写
# 三：存储大小
它需要占据一定 12k 的存储空间，所以它不适合统计单个用户相关的数据。如果用户上亿，可以算算，这个空间成本是非常惊人的。但相比使用 set 存储，HyperLogLog所使用的空间就非常小了
不过不必过于当心，因为 Redis 对 HyperLogLog 的存储进行了优化，在计数比较小时，它的存储空间采用稀疏矩阵存储，空间占用很小，仅仅在计数慢慢变大，稀疏矩阵占用空间渐渐超过了阈值时才会一次性转变成稠密矩阵，才会占用 12k 的空间。
# 四：实现原理
待完善
# 五：参考文献
- 《Redis 深度历险：核心原理和应用实践 - 钱文品》
- 《Redis 开发与运维 - 付磊、张益军》
- 官方文档 (opens new window)