Set集合在数据看板中主要用于唯一性统计和多维交并分析，支持UV去重、人群交并计算、异常缺失监控及动态筛选缓存，具备响应快、内存友好、无需预聚合等优势。
Set 集合在数据看板中主要解决“唯一性统计”和“多维交并分析”两类核心问题，不依赖数据库去重逻辑，响应快、内存友好，适合实时或准实时的指标聚合。
用户行为去重统计
看板常需展示“独立访客数（UV）”“去重设备数”“活跃账号数”等指标。直接用 List 或数组统计会产生重复计数，而 Set 天然保障元素唯一性：
- 每次埋点上报的 user_id 或 device_id 直接 add 到内存 Set（如 Java 的 HashSet）或 Redis Set，自动过滤重复值；
- 最终用 size() 或 SCARD 即得准确 UV，避免 SQL 中 DISTINCT 带来的全表扫描开销；
- 配合时间窗口（如按小时存 key:uv:20260611:15），可支撑滚动 UV 曲线渲染。
标签/维度交叉分析
看板中常需对比不同人群、渠道或标签的重叠与覆盖情况，Set 的集合运算是最直接的实现方式：
- 把“iOS 用户”“付费用户”“7 日活跃用户”分别存为 Redis Set，用 SINTER 快速算出“iOS 且付费且活跃”的精准人群；
- 用 SUNION 统计多渠道引流总用户数（自动去重），用 SDIFF 分析某渠道独有用户；
- 前端图表联动时，后端可基于多个 Set 实时计算交集占比（如：共同转化率 = |A∩B| / |A|），无需预聚合。
异常与缺失数据监控
看板中的质量监控模块常需识别“未上报”或“异常缺失”的维度值，Set 可高效构建基准集与实际集进行比对：
- 预置所有应上报的业务模块名（如 ["login", "pay", "share"]）存为 baseline_set；
- 实时采集各模块上报记录，提取 module 字段构成 actual_set；
- 用 SDIFF baseline_set actual_set 找出未上报模块，触发告警卡片高亮显示。
动态筛选条件缓存
当看板支持多级下拉筛选（如“选择省份→城市→商圈”），用户频繁切换时，后端可用 Set 缓存每级的有效选项，避免反复查库：
- 首次加载“省份”时，将全部省名存入 Redis Set key:provinces；
- 选中“广东”后，从 key:cities:guangdong 获取对应城市 Set，再用 SMEMBERS 返回下拉项；
- 结合 SISMEMBER 快速校验用户输入是否合法，提升交互响应速度。
