3如何共享一个独特的计数redis

独特的算是网站的一个很常见的功能，如访问网站的独立访问者人数（即UV）。常见的计数问题，但解决方案可能会很复杂：一是计算量可能会很大，如大型网站每天都有数以百万计的人访问，数据量大；二是通常也要扩展维数，比如每天除了紫外，还想知道每周或每月的紫外线，所以结果是很复杂的。

在关系数据库存储系统中，唯一计数的唯一方法是选择计数（不同）。这是非常简单的，但是如果数据量很大，这句话的执行速度很慢。关系数据库的另一个问题是插入数据的性能不高。

redis是能够解决这样的计数问题，于关系数据库，更快的资源少，甚至3种不同的方法。

1。基于集

Redis集合是用来存储独特的数据集。它可以快速判断一个元素是否存在于集合中，或者快速计算一个集合的元素个数，并将其合并到一个新集合中：

复制代码代码如下所示：

sismember关键成员#判断是否存在

萨德的核心成员#加盟成员

个关键#获取集合中的元素数
基于集合的方法简单、有效、准确、适用范围广、易于理解。它的缺点是资源消耗比较大（当然，比关系数据库少得多）。如果元素的数量很大，比如上百万的计数，那么消耗内存就太可怕了。

2。基于位

Redis的点可以用来实现高压缩比的计数设置内存，存储有关元素的信息通过一个1位或0。例如，该网站的独立访客数可以user_id作为抵消点偏移，设置为1，这意味着访问。1 MB的空间可以存储大约8000000个用户的每日访问计数：

复制代码代码如下所示：

setbit关键偏移值#集信息

中的getbit偏移#获取信息的关键

{开始} #比特计数键结束计数

bitop操作destkey关键{key} #位图合并…
基于空间消耗的位方法要比集合小得多，但它可以映射到简单的元素迁移，应用范围很窄，而且占用空间取决于最大偏移量，而计数不相关，如果最大偏移量很大，也有相当大的内存消耗。

三.基于HyperLogLog

为了达到精确计数只有大量的数据是困难的，但如果只是近似的话，有许多科学计算的有效算法，这是一个著名的HyperLogLog计数算法，它可以只使用大约12 K的内存，只指望亿元，与约百分之一的误差。所涉及的命令如下：

复制代码代码如下所示：

pFADD要素{元…} #添加元素

pfcount关键{key} #计数…
这种计数方法实在是太棒了，我还没有完全了解它，我对相关的文章很感兴趣。

三独特的计数方法所提供的使用都有自己的优点和缺点，可以充分满足不同情况下的计算要求。