Redis HyperLogLog 基数统计

统计"集合里有多少个不重复元素"叫基数统计，例如网站每日独立访客数（UV）。数据量大时，把每个 ID 存进 Set 再求个数会占用大量内存。HyperLogLog（HLL）用极小且固定的内存完成基数统计，标准误差约 0.81%，是"用一点误差换海量内存"的典型结构。

基本命令

PFADD 添加元素，PFCOUNT 返回去重后的近似数量：

PFADD uv:20240601 u1001 u1002 u1003
# 输出：(integer) 1        # 内部寄存器有变化
PFADD uv:20240601 u1001
# 输出：(integer) 0        # 重复元素，寄存器无变化
PFCOUNT uv:20240601
# 输出：(integer) 3        # 近似值，误差约 0.81%

去重依据的是元素"值本身"，不要求元素预先登记，同一元素重复添加不会增加基数。

内存占用

无论往一个 key 里塞 1 个还是上亿个元素，单 key 内存上限约 12KB（元素很少时实际占用更小），这是它相对 Set 的最大优势——Set 存 1000 万个 ID 往往要几十 MB。代价是无法取出元素、也无法精确计数。

多日并集：PFCOUNT 与 PFMERGE

PFCOUNT 可一次传多个 key 直接返回并集基数；PFMERGE 把多个 key 合并进一个新 key，适合把"每日 UV"汇总成"周 UV、月 UV"：

PFADD uv:20240601 u1001 u1002
# 输出：(integer) 1
PFADD uv:20240602 u1002 u1003
# 输出：(integer) 1
PFCOUNT uv:20240601 uv:20240602
# 输出：(integer) 3        # 两天去重后约 3 人
PFMERGE uv:week uv:20240601 uv:20240602
# 输出：OK
PFCOUNT uv:week
# 输出：(integer) 3        # 周 UV 与两日并集一致

合并完成后源 key 即可删除，只保留汇总 key，跑日报/周报定时任务时很省事。

典型场景

• 网站/App 日活 UV：一天一个 key，访问时 PFADD，日切后 PFCOUNT。
• 搜索词去重、直播间独立观众、活动参与人数等"看量级和近似值"就够的统计。
• 需要精确到个位、或要回查"某元素是否在其中"时不要用 HLL：精确计数用 Set/位图，存在性判断用布隆过滤器。

注意点

• 返回近似数，对账、计费等对 0.81% 误差敏感的业务不可用。
• 只支持添加、不支持删除单个元素，写错只能整体重建 key。
• 基数很小时误差可能表现为 0，但不要据此认为它精确。

小结

HyperLogLog 用约 12KB 级固定内存换取近似基数统计，误差 0.81%，命令只有 PFADD / PFCOUNT / PFMERGE 三个。UV、去重统计这类量大但允许小误差的场景，是它的主场。