微服务Spring Boot 整合 Redis 实现UV 数据统计的详细过程

⛄引言

本文参考黑马 点评项目

在各个项目中，我们都可能需要用到UV数据统计功能，这样可以使我们更加方便、快捷的查看网站的活跃度！

一、HyperLoglog基础用法

⛅HyperLoglog 基本语法、命令

HyperLogLog

PFADD ：将指定元素添加到HyperLogLogPFCOUNT：返回存储在HyperLogLog结构体的该变量的近似基数，如果该变量不存在,则返回0PFMARGE：将多个 HyperLogLog 合并（merge）为一个 HyperLogLog ， 合并后的 HyperLogLog 的基数接近于所有输入 HyperLogLog 的可见集合（observed set）的并集.

详见官网： Redis 中文翻译 官方网站 HyperLogLog

⚡HyperLoglog 命令完成功能实现

PFADD命令

使用PFADD 添加数据

PFCOUNT 统计

• 得到基数值，白话就叫做去重值（1，1，2，2，3, 3）的插入pfcount得到的是3
• 可一次统计多个key
• 时间复杂度为O(N)，N为key的个数
• 返回值是一个带有 0.81% 标准错误（standard error）的近似值.

使用PFCOUNT查询

PFMERGE 合并

合并key

HyperLogLog 的应用场景

• 基数不大的、数据量不大就用不上。
• 有局限性，就是只能统计基数数量，没办法统计具体的内容
• 和BitMap相比，属于两种特定统计情况，HyperLogLog比 BitMap去重方便很多
• HyperLogLog 可以 与 BitMap 配合使用，BitMap标识那些用户活跃，HyperLogLog计数

二、UV统计 测试百万数据的统计

☁️什么是UV统计

• UV：全称Unique Visitor，也叫独立访客量，是指通过互联网访问、浏览这个网页的自然人。1天内同一个用户多次访问该网站，只记录1次。
• PV：全称Page View，也叫页面访问量或点击量，用户每访问网站的一个页面，记录1次PV，用户多次打开页面，则记录多次PV。往往用来衡量网站的流量。

通常来说 UV 会比 PV 大很多，一个网站的独立访客量 和 页面访问或点击量，肯定是独立访客大的。

UV统计在服务端做会比较麻烦，因为要判断该用户是否已经统计过了，需要将统计过的用户信息保存。但是如果每个访问的用户都保存到Redis中，数据量会非常恐怖，那怎么处理呢？

Hyperloglog(HLL)是从Loglog算法派生的概率算法，用于确定非常大的集合的基数，而不需要存储其所有值。

Redis 中的HLL 是基于string数据结构实现的，单个HLL的内存永远小于16kb， 内存极低！作为代价，其测量结果是概率性的，有小于0.81％的误差。不过对于UV统计来说，这完全可以忽略。

⚡使用SpringBoot单元测试进行测试百万数据统计

首先进入Redis 查看 内存占用

info memory

核心源码

@Test
void testHyperLoglog() {
    String[] values = new String[1000];
    int j = 0;
    for (int i = 0; i < 1000000; i++) {
        j = i % 1000;
        values[j] = "user" + i;
        if (j == 999) {
            //发送至redis
            stringRedisTemplate.opsForHyperLogLog().add("hl2", values);
        }
    }
    //统计数量
    Long count = stringRedisTemplate.opsForHyperLogLog().size("hl2");
    System.out.println("count = " + count);
}

执行后，如下图

再次查看内存占比

可以看出占用大约为14KB，存储上百万数据只占用了14KB数据，可见HyperLogLog的强大！

⛵小结

以上就是【Bug 终结者】对 微服务Spring Boot 整合 Redis 实现 UV 数据统计 的简单介绍，UV数据统计功能是很常用的，在项目中，是一个不错的亮点，统计功能也是各大系统中比较重要的功能，签到完成后，去统计本月的连续 签到记录，来给予奖励，可大大增加用户对系统的活跃度，HyperLogLog可以与BitMap相结合，从而能够能高效的对网站进行深层次的分析！ 技术改变世界！！！

到此这篇关于微服务Spring Boot 整合 Redis 实现 UV 数据统计的文章就介绍到这了,更多相关Spring Boot UV 数据统计内容请搜索脚本之家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脚本之家！