高级Redis之HyperLogLog的用法示例

HyperLogLog是 Redis 提供的一种基数估计算法数据结构，主要用于估算不重复元素的数量。它能够在使用非常少的内存空间的情况下，快速和高效地进行去重计数操作。HyperLogLog 的误差率约为 0.81%，在处理大数据量的场景下非常有用。

例如使用 Redis 的 HyperLogLog 数据结构来存储和统计用户的购物足迹是一个很好的应用场景。例如，当你想记录每天有多少不同的用户访问了你的某个商品或页面时，可以使用 HyperLogLog 来实现这一需求，这样可以有效地减少内存的使用。

下面是一个使用 Java 和 Lettuce 客户端库来实现用户购物足迹记录和统计的示例代码。

环境准备

确保 Redis 服务器已启动。
在你的 Java 项目中添加 Lettuce 依赖。

在 pom.xml 文件中添加 Lettuce 依赖：

<dependency>
    <groupId>io.lettuce.core</groupId>
    <artifactId>lettuce-core</artifactId>
    <version>6.1.5</version>
</dependency>

实现示例：记录和统计购物足迹

功能描述

每个用户访问一个商品时，记录该用户的访问行为。
统计每天有多少不同的用户访问了某个商品。

示例代码

import io.lettuce.core.RedisClient;
import io.lettuce.core.api.StatefulRedisConnection;
import io.lettuce.core.api.sync.RedisCommands;

import java.time.LocalDate;
import java.util.UUID;

public class ShoppingFootprintExample {

	//配置信息建议写在yml当中
    private static final String REDIS_URI = "redis://localhost:6379";

    public static void main(String[] args) {
        // 创建Redis客户端
        RedisClient redisClient = RedisClient.create(REDIS_URI);
        try (StatefulRedisConnection<String, String> connection = redisClient.connect()) {
            RedisCommands<String, String> syncCommands = connection.sync();

            String product = "product123"; // 商品ID
            String currentDate = LocalDate.now().toString(); // 当前日期
            String key = "product:footprint:" + product + ":" + currentDate;

            // 模拟用户访问商品
            simulateUserVisits(syncCommands, key);

            // 统计当天访问该商品的独立用户数
            long uniqueVisitors = getUniqueVisitors(syncCommands, key);
            System.out.println("Unique visitors for " + product + " on " + currentDate + ": " + uniqueVisitors);
        }

        // 关闭客户端
        redisClient.shutdown();
    }

    // 模拟用户访问商品
    private static void simulateUserVisits(RedisCommands<String, String> commands, String key) {
        for (int i = 0; i < 100; i++) {
            String userId = "user" + UUID.randomUUID().toString();
            recordUserVisit(commands, key, userId);
        }
    }

    // 记录用户访问
    private static void recordUserVisit(RedisCommands<String, String> commands, String key, String userId) {
        commands.pfadd(key, userId);
        System.out.println("Recorded visit for user " + userId);
    }

    // 统计独立用户数
    private static long getUniqueVisitors(RedisCommands<String, String> commands, String key) {
        return commands.pfcount(key);
    }
}

代码解释

连接 Redis
- 创建 RedisClient 并连接到 Redis 服务器。
- 获取同步命令接口 RedisCommands。
模拟用户访问商品
- 方法 simulateUserVisits 用于模拟100个用户访问某个商品。每个用户的ID生成方式使用 UUID 确保唯一性。
- 方法 recordUserVisit 使用 pfadd 命令记录用户访问行为，将用户ID添加到 HyperLogLog。
统计独立用户数
- 方法 getUniqueVisitors 使用 pfcount 命令，统计当天访问该商品的独立用户数。

运行结果

运行代码后，你应能看到类似以下的输出：

Recorded visit for user user1d21c597-3c4b-447d-aceb-971499a5e1e4
Recorded visit for user user9f0b3bd0-410d-44a7-b538-6d2f43b75e20
...
Unique visitors for product123 on 2023-07-20: 100

实际应用中的注意事项

数据存储管理：在生产环境中，可以将每天的用户访问数据存入不同的 Redis 键中以便统计。可以使用日期作为键的一部分来区分每天的数据，比如 product:footprint:${productId}:${date}。
数据清理：定期清理过期的数据以节省内存。如用 EXPIRE 命令设置键的过期时间，自动清除过期数据。
误差控制：HyperLogLog 有一定的误差（约 0.81%），在统计大规模数据时效果很好，但在对误差严格的场景下需谨慎使用。