Java中用Redis HyperLogLog统计UV高效且省内存，12KB可估算上亿数据、误差
Java 中使用 Redis 的 HyperLogLog 统计独立访客（UV）非常高效，它用固定约 12KB 内存就能估算上亿级去重数据，误差率通常低于 0.81%。关键不是存全量 ID，而是利用其概率算法做“近似唯一计数”。
引入依赖和连接 Redis
确保项目中已集成 Redis 客户端（推荐 Lettuce 或 Jedis）。以 Spring Boot + Lettuce 为例：
- 在 pom.xml 中添加 spring-boot-starter-data-redis
- 配置 application.yml 中的 Redis 地址、端口、密码（如有）
- Spring 会自动注入 RedisTemplate，默认序列化方式对 HyperLogLog 友好；若自定义了序列化器，需确保 key 使用 StringRedisSerializer，value 不影响命令执行
核心操作：pfadd + pfcount
HyperLogLog 在 Redis 中本质是一个特殊结构，Java 中通过 RedisTemplate 调用对应方法：
- pfAdd(key, value...)：向指定 key 的 HyperLogLog 添加一个或多个元素（如用户 ID 字符串）。重复添加同一 value 不影响结果
- pfCount(key)：返回该 key 当前估算的不重复元素个数（即 UV 值）
- 示例：统计某天首页访问 UV → key 可设为 "uv:home:20240520"，每个访客 ID（如 "uid_12345"）作为 value 添加
实际使用建议与注意事项
避免把 HyperLogLog 当集合用，它不支持获取具体元素、也不支持删除单个值：
立即学习“Java免费学习笔记（深入）”；
- 按时间维度分 key：比如每天一个 key（"uv:page:20240520"），便于查询日 UV；也可按小时、活动 ID 等维度隔离，避免混用导致统计失真
- 注意 key 过期策略：调用 expire(key, timeout, TimeUnit) 设置过期时间（如 30 天），防止长期累积无用数据
- 合并多个 HyperLogLog？用 pfMerge：例如要算“7 日 UV”，可先维护 7 个日 key，再用 pfMerge("uv:week", "uv:20240514", ..., "uv:20240520") 合并后 pfCount —— 注意：Lettuce 中对应方法是 reactiveRedisTemplate.opsForHyperLogLog().merge(...)（响应式）或 redisTemplate.opsForHyperLogLog().union(...)（非响应式，部分旧版本叫 union，实为 merge）
- 不保证绝对精确，但足够业务使用：UV 场景本就无需 100% 准确，HyperLogLog 的空间与精度平衡是其最大优势
简单代码片段示意
非 Spring 环境下用 Lettuce 客户端直连：
StatefulRedisConnection<String, String> connection = redisClient.connect();
RedisCommands<String, String> sync = connection.sync();
sync.pfadd("uv:login:20240520", "user_1001", "user_1002", "user_1001"); // 重复 ID 自动去重
long uv = sync.pfcount("uv:login:20240520"); // 返回 2
Spring 环境下更简洁：
@Autowired
private RedisTemplate<String, Object> redisTemplate;
public long recordAndCountUv(String date, String userId) {
String key = "uv:detail:" + date;
redisTemplate.opsForHyperLogLog().add(key, userId);
redisTemplate.expire(key, Duration.ofDays(30));
return redisTemplate.opsForHyperLogLog().size(key); // 即 pfCount
}
