|
摘自本人 http://irfen.me/redis-hyperloglog-intro/ 我们一直都知道，redis几大常用数据结构，字符串、散列、列表、集合、有序集合。其实后来Redis做了很多补充，其中之一就是HyperLogLog，另外的还有GEO（地理位置），是3.2版本加的。 这里我们就来简单介绍下HyperLogLog结构。 先说用处：这个结构可以非常省内存的去统计各种计数，比如注册ip数、每日访问IP数、页面实时UV（PV肯定字符串就搞定了）、在线用户数等。 这里看到所有的用处都是xxx数，所以这个数据结构的特点就是，可以比较准确的估算出你要统计的数量，但是却无法知道统计的详细内容。比如统计每日访问IP数，可以获取当时访问过的IP总数量，但是没法知道这些IP都是什么。 有得必有失，当然你要统计上面提到的那些内容，可以用集合来处理，这样可以知道数量，也能获得所有的详细列表。但是一个大型的网站，每天IP比如有100万个呢，我们粗算一个IP消耗15字节，那么100万个IP就是15M，如果1千万，就是150M。 再来看看我们的HyperLogLog，在Redis中每个键占用的内容都是12K，理论存储近似接近2^64个值，不管存储的内容是什么。12K，知道这个数据结构的作用了吧。这也是为什么他不能知道里面的详细内容了。这是一个基于基数估算的算法，只能比较准确的估算出基数，可以使用少量固定的内存去存储并识别集合中的唯一元素。而且这个估算的基数并不一定准确，是一个带有 0.81% 标准错误（standard error）的近似值。 这里当你记录的内容越多，和集合使用的内容就越容易产生鲜明的对比，因为HyperLogLog结构，在范围允许的情况下无论多少值，都置灰占用12K内存。 这样比如我们把每日IP记录下来，假设每天有一亿个IP访问，如果使用集合的话，一天的内存使用就是1.5G，假设我们存储一个月的记录，就需要45G容量。但是使用HyperLogLog的话，一天12K，一个月360K。如果我们不需要知道IP具体信息的话，完全可以把这些记录留在内存一年、或者不删都行。如果需要，我们也会把所有的IP访问记录通过其他途径存储起来。把每天的信息存储起来，我们可以计算每月IP总数（MERGE），一年的IP总数等（去重）。 下面介绍一下HyperLogLog的命令，其实他和集合的命令比较像，只是命令少，不能获取列表而已。另外这个数据结构需要2.8.9及以上的版本才能使用哦~ PFADD
在执行这个命令之后，HyperLogLog内部的结构会被更新，并有所反馈，如果执行完之后HyperLogLog内部的基数估算发生了变化，那么就会返回1，否则（认为已经存在）就返回0。 这个命令的时间复杂度为O(1)，所以就放心用吧~ 命令例子：
其实我们发现在少的时候还是挺准的，哈哈。 PFCOUNT其实在上面的学习中我们已经用过这个了，这里再来介绍下。
当命令作用于单个键的时候，返回这个键的基数估算值。如果键不存在，则返回0。 这个命令在作用于单个值的时候，时间复杂度为O(1)，并且具有非常低的平均常数时间；在作用于N个值的时候，时间复杂度为O(N)，这个命令的常数复杂度会比较低些。 命令例子：
PFMERGE合并（merge）多个HyperLogLog为一个HyperLogLog。其实这个也很好理解，而合并后的估算基数也近似于所有HyperLogLog估算基数的并集。 这个命令的第一个参数为目标键，剩下的参数为要合并的HyperLogLog。命令执行时，如果目标键不存在，则创建后再执行合并。 这个命令的时间复杂度为O(N)，其中N为要合并的HyperLogLog的个数。不过这个命令的常数时间复杂度比较高。 命令例子：
本文原创与赵伊凡BLOG，转载注明出处。 到此HyperLogLog所有的命令就都介绍完了，没错，目前就只有这三个。其实也很简单的，知道了这个结构的用法，也就知道什么时候适合用了，对我们非常珍贵的内存还是很有帮助。 (责任编辑：IT) |