使用 Redis 统计网站 UV 的方法(概率算法)
文章目录
-
- 前言
- 思路
- HyperLogLog
-
- 使用 Redis 命令操作
- 使用 Java 代码操作
- HyperLogLog 实现原理及特点
- 使用 Java 实现 HyperLogLog
- 小结
前言
网站 UV 就是指网站的独立用户访问量Unique Visitor
,即相同用户的多次访问需要去重。
思路
提到 UV 去重,猜大家都会想到Set
集合类。
- 使用
Set
集合是一个不错的办法,Set
里面存储用户的id
。每一个用户访问页面的时候,我们直接把id
存入Set
,最终获取Set
的size
即可。问题就是Set
的容量需要设置多大呢?如果应用是分布式的,是否需要合并操作?第一个问题其实可以通过计算来估计,如果用户量上亿的话,存储空间也是需要非常大的;第二个问题其实可以通过 Redis、DB 等存储,如 Redis 的Set
结构,DB 的唯一键。 - 我们上面提到的 DB 也是一种解决方案,不过写入量很大时,数据库压力会比较大。用户如果很多,则
row
也相应的多,且可能需要对每天的数据进行分表。在用户访问量小的情况下,可以采用该处理方式。
上面两种方式虽然可以实现统计网站 UV 的功能,但是一个比较占用内存,一个比较占用数据库资源。那我们该如何规避这两个问题呢?在这里,我们就介绍另外一种实现方法,即使用 Redis 里面的HyperLogLog
结构,且仅占用12k
的空间。
HyperLogLog
HyperLogLog
的使用比较简单,实现略复杂。我们先看一下如何利用HyperLogLog
来进行页面 UV 的统计。
使用 Redis 命令操作
# 添加元素
127.0.0.1:6379> pfadd user zhangsan lisi wangwu
# 添加成功返回1,添加失败返回0
(integer) 1
# 统计数量
127.0.0.1:6379> pfcount user
# 返回现在数量
(integer) 3
# 再生成一个pfkey
127.0.0.1:6379> pfadd user2 zhangsan2 lisi2 wangwu
(integer) 1
127.0.0.1:6379> pfcount user2
(integer) 3
# pfmerge会将后面pfkey中的值合并到前面的pfkey中
127.0.0.1:6379> pfmerge user2 user
OK
# 查看merge后的user2
127.0.0.1:6379> pfcount user2
(integer) 5
使用 Java 代码操作
import org.springframework.data.redis.core.HyperLogLogOperations;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Service;
import javax.annotation.Resource;
@Service
public class RedisService {
@Resource
private RedisTemplate < String, String > redisTemplate;
/*** 记录用户访问** @param user*/
public long statistic(String Key, String user) {
HyperLogLogOperations<String,String>hyperLogLog=redisTemplate.opsForHyperLogLog();
return hyperLogLog.add(Key, user);
}
/*** 统计当前 UV** @return*/
public long size(String Key) {
HyperLogLogOperations<String,String>hyperLogLog=redisTemplate.opsForHyperLogLog();
return hyperLogLog.size(Key);
}
/*** 删除当前 key*/
public void clear(String Key) {
HyperLogLogOperations < String,String>hyperLogLog=redisTemplate.opsForHyperLogLog();
hyperLogLog.delete(Key);
}
}
HyperLogLog 实现原理及特点
-
原理:其实这是个概率问题。举个 Java 的例子,我们每次将一个字符串放入
HyperLogLog
,其实是把字符串转换成了一个值,可以把它当成hash
值,将这个值转换成 2 进制,从后向前看第一个 1 出现的位置。那么 1 出现在第三个位置的时候(xxxx x100
),概率是多少呢?(1/2)^3=1/8
,也就是大概有八个数字进到这个数据结构时,第一个 1 曾出现在第三个的位置的可能会比较大,所以我们只需要维护一个 1 出现位置的最大值(暂且称之为max position
),我们就可以知道整个HyperLogLog
数量是多少了。 -
去重:我们上面讲到
hash
值,其实整个算法就是将一个固定的value
固定的映射成一个数字就可以解决重复的问题了。如zhangsan
对应8
,那么max position=4
,再来一个zhangsan
,还是对应8
,则max position
不变。 -
特点:因为是概率问题,总会出现不准确的情况,所以你在使用
HyperLogLog
时,可以将user
数量设置大一些,如 100W。但是其结果,有可能你看到的是不到 100W,也有可能计算出来的 UV 还比 100W 大。
使用 Java 实现 HyperLogLog
public class HyperLogLogSelf {
static class BitKeeper {
private int maxBits;
public void random() {// 这里的随机数可以当成一个对象的hashCode。
// long value = new Object().hashCode() ^ (2 << 32);
long value = ThreadLocalRandom.current().nextLong(2L << 32);
int bits = lowZeros(value);
if (bits > this.maxBits) {
this.maxBits = bits;
}
}
/*** 低位有多少个连续0* 思路上 ≈ 倒数第一个1的位置** @param value* @return*/
private int lowZeros(long value) {
int i = 1;
for (; i < 32; i++) {
if (value >> i << i != value) {
break;
}
}
return i - 1;
}
}
static class Experiment {
private int n;
private BitKeeper keeper;
public Experiment(int n) {
this.n = n;
this.keeper = new BitKeeper();
}
public void work() {
for (int i = 0; i < n; i++) {
this.keeper.random();
}
}
public void debug() {
double v = Math.log(this.n) / Math.log(2);
System.out.printf("%d %.2f %d\n", this.n, v, this.keeper.maxBits);
}
}
public static void main(String[] args) {
for (int i = 10000; i < 1000000; i += 10000) {
Experiment exp = new Experiment(i);
exp.work();
exp.debug();
}
}
}
如上述代码所示,如果只有一个BitKeeper
,那么精度很难控制,BitKeeper
越多,则越精确,所以 Redis 在设置HyperLogLog
的时候,设置了16384
个桶,也就是2^14
,每个桶的maxbits
需要 6 个bit
来存储,最大可以表示maxbits=63
,于是总共占用内存就是2^14 * 6 / 8 = 12k
字节。
小结
我们从应用场景开始,讲述了HyperLogLog
的使用方法和实现原理,还给出了HyperLogLog
的 Java 简单实现。文章来源:https://www.toymoban.com/news/detail-480884.html
最后,我们在使用HyperLogLog
的时候,需要注意:文章来源地址https://www.toymoban.com/news/detail-480884.html
-
HyperLogLog
需要占用12k
内存的(数据量大的时候),所以HyperLogLog
不适合单独存储一个user
相关的信息; -
HyperLogLog
是有一定精度损失的,可能比真实数量多,也可能比真实数量少,但基本上都在n‰(0<n<10)
以内。
到了这里,关于使用 Redis 统计网站 UV 的方法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!