一.引入

首先我们要搞懂两个概念：

• 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PV会比UV大很多，所以当我们要去衡量一个网站的情况，我们需要结合多个值一起来分析，通过UV我们可以得知网站的访客量，通过PV我们可以得知页面的访问量，而通过pv与uv的比值我们可以得知网站的用户粘度。

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？

二.HyperLogLog使用

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。相关算法原理可以参考：点击跳转。
Redis中的HLL是基于string结构实现的，单个HLL的内存永远小于16kb，内存占用低的令人发指！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。

它对应的命令有三个：

当我们使用PFADD命令添加元素时他会自动帮助我们去除重复元素，只统计不同的元素个数。

三.模拟实现UV统计

由于我们没有那么多的测试用户，所以我们选择利用单元测试模拟100万次用户访问量。

测试思路：我们直接利用单元测试，向HyperLogLog中添加100万条数据，看看内存占用和统计效果如何

经过测试：我们可以发现它确实可以帮助我们统计UV并且内存占用极小，但确实存在一定的误差，但是误差是在允许范围内的。