大概使用场景是统计几个活动页面的单独和总UV数量，可以偏差0-1.5%
实现逻辑：前端对于登陆或者未登录用户生成一个唯一ID，例如可以是 md5(ip+user-agent) + hashcode, 同时也能区分一个路由器下的多个设备，UV 的生存时间根据需求来确定，一般情况下是到 24 小时过期，有些是活动结束己过期。多数方案会将这写唯一 ID 存到 redis set 中，这会导致 set 占用空间很大，同时不断的扩容操作也会带来内存波动。
Redis 给提供了另一种数据结构，是能够接受微小偏差的，同时尽可能的减少战役的空间，可以采用 HyperLogLog ，只有几个简单的命令：
pfadd activity-page1 uuid1
pfcount actitity-page1
pfmerge activity-page-all activity-page1acvitipage2 …
pfadd 是为 key 值添加一条数据，pfcount 是统计这个 key 值 pfmger 是将后面的几个 key 所有的值合并到指定key, pfadd 在插入重复值的时候会返回0，这个需要注意一点，pfmerge 自带去重统计功能。
相关：
Redis HyperLogLog 是用来做基数统计的算法，HyperLogLog 的优点是，在输入元素的数量或者体积非常非常大时，计算基数所需的空间总是固定 的、并且是很小的。
在 Redis 里面，每个 HyperLogLog 键只需要花费 12 KB 内存，就可以计算接近 2^64 个不同元素的基 数。这和计算基数时，元素越多耗费内存就越多的集合形成鲜明对比。但是，因为 HyperLogLog 只会根据输入元素来计算基数，而不会储存输入元素本身，所以 HyperLogLog 不能像集合那样，返回输入的各个元素。
更多文章：https://blog.csdn.net/heiyeshuwu/article/details/41248379
最后恰饭 阿里云全系列产品/短信包特惠购买 中小企业上云最佳选择 阿里云内部优惠券
