redis实现用户访问量
五种基本数据类型
- String（使用场景：访问量统计，秒杀商品数量，最大512M）
- List（使用场景：队列，栈）
- Set（使用场景：共同含义，统计网站ip访问量）
- Zset（使用场景：排行榜，带权重的队列）
- Hash（使用场景：对象，比如用户信息）
三种基本特殊类型
- geospatial（使用场景：附近的人）
- HyperLogLog（使用场景：网站流量访问）
- Bitmap （使用场景：用户登录状态，用户周活跃）
1.使用Hash
哈希是Redis的一种基础数据结构，Redis底层维护的是一个开散列，会把不同的key映射到哈希表上，如果是遇到关键字冲突，那么就会拉出一个链表出来。
当一个用户访问的时候，如果用户登陆过，那么我们就使用用户的id，如果用户没有登陆过，那么我们也能够前端页面随机生成一个key用来标识用户，当用户访问的时候，我们可以使用HSET命令，key可以选择URI与对应的日期进行拼凑，field可以使用用户的id或者随机标识，value可以简单设置为1。
当我们要统计某一个网站某一天的访问量的时候，就可以直接使用HLEN来得到最终的结果了。
127.0.0.1:6379> hset index.html userid01 1
(integer) 1
127.0.0.1:6379> hset index.html userid02 1
(integer) 1
127.0.0.1:6379> hset index.html userid03 1
(integer) 1
127.0.0.1:6379> hlen index.html
(integer) 3
优点：简单，容易实现，查询也是非常方便，数据准确性非常高。
缺点：占用内存过大，。随着key的增多，性能也会下降。小网站还行，数亿PV的网站肯定受不了
2.使用概率算法HyperLogLog
对于多个页面都可能非常多访问量的网站，如果所需要的数量不用那么准确，可以使用概率算法，事实上，我们对一个网站的UV的统计，1亿跟1亿零30万其实是差不多的。在Redis中，已经封装了HyperLogLog算法，他是一种基数评估算法。这种算法的特征，一般都是数据不存具体的值，而是存用来计算概率的一些相关数据。
127.0.0.1:6379> pfadd index2.html userid01 userid02 userid03
(integer) 1
127.0.0.1:6379> pfcount index2.html
(integer) 3
当用户访问网站的时候，我们可以使用PFADD命令，设置对应的命令，最后我们只要通过PFCOUNT就能顺利计算出最终的结果，因为这个只是一个概率算法，所以可能存在0.81%的误差。
优点:占用内存极小，对于一个key，只需要12kb。对于超多用户的特别适用。
缺点:查询指定用户的时候，可能会出错，毕竟存的不是具体的数据。总数也存在一定的误差。
