应优先选用ZSET实现在线统计，因其支持时间戳排序与范围查询，可自动过滤过期用户；SET适合登出明确的场景但需手动清理；HyperLogLog仅适用于UV估算，不可用于实时在线统计。

直接用 SET 或 ZSET 都能做，但选错数据结构会导致统计不准、内存暴涨或无法清理过期用户——关键不在“能不能”，而在“怎么设过期”和“谁负责删”。

用 SET 统计在线数：简单但需手动维护生命周期

适合登录/登出行为明确、不依赖心跳的场景（比如后台管理系统）。SET 天然去重，scard 查总数快，但没内置过期机制。

• 用户上线：r.sadd('online_users', user_id)
• 用户下线：r.srem('online_users', user_id)
• 查总数：r.scard('online_users')
• 风险点：如果用户关浏览器没触发登出，user_id 会永远留在集合里，导致虚高
• 补救办法：必须配合业务层定时任务（如每5分钟扫一次最近10分钟无操作的用户）或前端主动发登出请求，不能只靠 Redis 自动清理

用 ZSET 实现带时间窗口的实时在线统计

更贴近真实 Web 场景（如社区、直播页），靠时间戳 + 范围查询自动过滤“假在线”用户。

• 上线时存：r.zadd('online_users', {user_id: timestamp})，其中 timestamp 是 time.time()
• 查“最近5分钟在线”：r.zcount('online_users', now - 300, now)
• 清理过期项：r.zremrangebyscore('online_users', 0, now - 300)（建议在每次查询后或单独定时执行）
• 注意：zcount 不删除数据，只是计数；不主动 zremrangebyscore，ZSET 会持续膨胀
• 别用 EXPIRE 给整个 ZSET 设过期——它只对 key 生效，不影响内部成员的逻辑存活时间

用 HyperLogLog 统计 UV（独立访问用户）而非在线人数

很多人混淆“在线人数”和“今日 UV”。HyperLogLog 是概率型结构，误差率约 0.81%，但内存固定（12KB 支撑上亿用户），只适合去重计数，不能反查具体用户或判断是否“此刻在线”。

python-flask-vue-creator

创建 Flask + Vue.js 全栈项目，采用单端口架构、uv 依赖管理、结构化日志和生产级前端设计。当用户要求以下操作时触发：创建新的 Flask+Vue 项目、搭建 Web 应用、构建全栈 Python+Vue 应用、初始化 Flask Web 项目、设置单端口 Flask 前后端项目。触发词：新建项目、创建项目、搭建项目、Flask项目、Vue项目。

下载

立即学习“Python免费学习笔记（深入）”；

• 记录访问：r.pfadd('uv:20260601', user_id)
• 查估算值：r.pfcount('uv:20260601')
• 不能用于实时在线统计：它不存原始 ID，也不支持按时间范围剔除，更无法响应用户登出事件
• 典型误用：把 PFADD 当成 SADD 用，结果发现查不到当前谁在线、也删不掉已下线用户

心跳机制是保证准确性的最后一道防线

纯靠登录/登出事件不可靠，浏览器异常关闭、网络中断都会让状态滞留。必须引入客户端定时心跳 + 服务端刷新逻辑。

• 前端每 10 秒调一次 /heartbeat?user_id=xxx
• 后端收到后执行：r.zadd('online_users', {user_id: time.time()})，并设置该 key 的 EXPIRE 为 15 秒（比心跳间隔略长）
• 这样即使某次心跳丢失，最多 15 秒后该用户就会被 zcount 自动排除
• 关键细节：不要对每个用户建单独 key（如 online:user:123），否则 KEYS online:user:* 扫描性能灾难；统一用一个 ZSET + 时间戳 score 是更可扩展的做法

真正难的不是写那几行 r.zadd，而是想清楚“在线”的定义边界：是只要登录就计入？还是必须 30 秒内有交互？这个逻辑一旦定错，后面所有数据都失真，而 Redis 本身不会提醒你。