REDIS09_HyperLogLog的概述基本命令UVPVDAUMAU首页UV如何进行统计处理

Posted 2023-01-31 所得皆惊喜

文章目录

• ①. 什么是UV、PV、DAU、MAU
• ②. HyperLogLog的概述
• ③. 去重复统计你先会想到哪些方式？
• ④. HyperLogLog的指令
• ⑤. 首页UV的Redis统计方案

①. 什么是UV、PV、DAU、MAU

• ①. UV:Unique Visitor,独立访客,一般理解为客户端IP(需要去重考虑)

• ②. PV:Page View,页面浏览量(不用去重)

• ③. DAU:日活跃用户量(登录或者使用了某个产品的用户数(去重复登录的用户))

• ④. MAU:MonthIy Active User,月活跃用户量

②. HyperLogLog的概述

• ①. 在Redis里面,每个HyperLogLog的键只需要花费12kb内存,就可以计算接近2^64个不同元素的基数
  
• ②. 去重复统计功能的基数估计算法-就是HyperLogLog
  (用于统计一个集合中不重复的元素个数,就是对集合去重复后剩余元素的计算)

全集i=1,2,3,4,5,6,7,8,8,9,9,5
去掉重复的内容
基数=1,2,3,4,5,6,7,8,9

• ③. 有误差,非精确统计,牺牲准确率来换取空间,误差仅仅只是0.81%左右
  这个误差如何来的?论文地址和出处,Redis之父安蒂雷斯回答
  

③. 去重复统计你先会想到哪些方式？

• ①. 使用HashSet进行去重处理

	List<String> list=new ArrayList<>();
	list.add("a");
	list.add("b");
	list.add("c");
	list.add("c");
	list.add("d");
	HashSet<String>hashSet=new HashSet<>(list);
	// a,b,c,d
	System.out.println(hashSet);

• ②. 如果数据显较大亿级统计,使用bitmaps同样会有这个问题

1. 基数计数则将每一个元素对应到bit数组中的其中一位,比如bit数组010010101(按照从零开始下标,有的就是1、4、6、8)
2. 设一个样本案例就是一亿个基数位值数据,一个样本就是一亿
3. 如果要统计1亿个数据的基数位值,大约需要内存100000000/8/1024/1024约等于12M,内存减少占用的效果显著。这样得到统计一个对象样本的基数值需要12M
4. 如果统计10000个对象样本(1w个亿级),就需要117.1875G将近120G,可见使用bitmaps还是不适用大数据量下(亿级)的基数计数场景
5. 但是bitmaps方法是精确计算的

• ③. 概率算法:

1. 通过牺牲准确率来换取空间,对于不要求绝对准确率的场景下可以使用,因为概率算法不直接存储数据本身
2. 通过一定的概率统计方法预估基数值,同时保证误差在一定范围内,由于又不储存数据故此可以大大节约内存
3. HyperLogLog就是一种概率算法的实现

④. HyperLogLog的指令

• ①. HyperLogLog的基本指令

命令	作用
pfadd key element	将所有元素添加到key中
pfcount key	统计key的估算值(不准确)
pgmerge new_key key1 key2	合并key至新key

• ②. 指令演示
  

⑤. 首页UV的Redis统计方案

• ①. 需求:UV的统计需要去重

1. 淘宝、天猫首页的UV,平均每天是1~1.5个亿左右
2. 每天存1.5个亿的IP,访问者来了后先去查是否存在,不存在加入
3. 一个用户一天内的多次访问只能算作一次

• ②. 方案讨论

1. mysql,数据库巨大
2. 用redis的hash结构存储 - redis——hash = <keyDay,<ip,1>>
   按照ipv4的结构来说明,每个ipv4的地址最多是15个字节(ip = “192.168.111.1”,最多xxx.xxx.xxx.xxx)
   某一天的1.5亿 * 15个字节= 2G,一个月60G,数据量巨大
   
3. hyperloglog
   为什么是12Kb？每个桶取6位,16384*6÷8 = 12kb,每个桶有6位,最大全部都是1,值就是63
   

• ③. 代码展示

@Service
@Slf4j
public class HyperLogLogService 
    @Resource
    private RedisTemplate redisTemplate;

    /**
     * 模拟有用户来点击首页,每个用户就是不同的ip,不重复记录,重复不记录
     */
    @PostConstruct
    public void init() 
        log.info("------模拟后台有用户点击,每个用户ip不同");
        //自己启动线程模拟,实际上产不是线程
        new Thread(() -> 
            String ip = null;
            for (int i = 1; i <=200; i++) 
                Random random = new Random();
                ip = random.nextInt(255)+"."+random.nextInt(255)+"."+random.nextInt(255)+"."+random.nextInt(255);

                Long hll = redisTemplate.opsForHyperLogLog().add("hll", ip);
                log.info("ip=,该ip访问过的次数=",ip,hll);
                //暂停3秒钟线程
                try  TimeUnit.SECONDS.sleep(3);  catch (InterruptedException e)  e.printStackTrace(); 
            
        ,"t1").start();
    

@RestController
@Slf4j
public class HyperLogLogController 

    @Resource
    private RedisTemplate redisTemplate;

    @ApiOperation("获得ip去重复后的首页访问量,总数统计")
    @RequestMapping(value = "/uv",method = RequestMethod.GET)
    public long uv() 
        //pfcount
        return redisTemplate.opsForHyperLogLog().size("hll");