Redis HyperLogLog 统计 UV 实战：PFADD、PFCOUNT 和误差边界怎么用

统计 UV 时，最直接的做法是把每个用户 ID 放进 Set，然后用集合大小得到去重人数。这个方案很准，但当一天有几百万、几千万访问用户时，内存成本会越来越明显。Redis HyperLogLog 适合处理这种“只关心数量，不关心具体名单”的场景。

摘要

HyperLogLog 是 Redis 提供的近似去重计数结构。它不保存完整用户列表，而是用固定大小的结构估算基数。本文用站点日 UV 做例子，演示 PFADD 写入访问用户、PFCOUNT 读取 UV、按天拆 Key、合并多天结果，以及什么时候不该使用它。

适合人群

适合正在做访问统计、活动曝光统计、搜索词去重、接口独立调用人数统计的后端开发者。你需要会基本 Redis 命令，并理解“精确统计”和“近似统计”的区别。

目录

• 为什么不用 Set 直接统计所有 UV
• HyperLogLog 的基本流程
• 按天统计 UV 的命令示例
• 多天 UV 合并怎么做
• 常见坑和适用边界

为什么不用 Set 直接统计所有 UV

Set 的优点是精确：你可以知道哪些用户来过，也能得到准确数量。但它必须保存每一个用户 ID。访问量越大，内存占用越高。

如果业务只需要“今天大约有多少独立访客”，并不需要查出具体用户列表，HyperLogLog 就更合适。它用很小的空间换来可接受的统计误差，适合监控趋势、运营看板、活动效果统计。

HyperLogLog 的基本流程

HyperLogLog 的使用流程很简单：每次用户访问时，把用户唯一标识写入当天的 HLL；需要展示 UV 时，读取这个 Key 的估算值。

常用命令只有几个：

• PFADD：向 HyperLogLog 添加一个或多个元素。
• PFCOUNT：返回一个或多个 HyperLogLog 的近似基数。
• PFMERGE：把多个 HyperLogLog 合并到一个目标 Key。

按天统计 UV 的命令示例

假设我们按天存 Key，命名为 uv:site:20260613。用户访问时写入用户 ID：

PFADD uv:site:20260613 user:10001
PFADD uv:site:20260613 user:10002
PFADD uv:site:20260613 user:10001

同一个用户重复写入不会让 UV 一直增加，因为 HyperLogLog 做的是去重后的基数估算。

读取当天 UV：

PFCOUNT uv:site:20260613

在业务代码里，通常把写入放在访问入口或埋点消费逻辑里：

from datetime import date


def record_uv(redis_client, user_id: str) -> None:
    key = f"uv:site:{date.today():%Y%m%d}"
    redis_client.pfadd(key, f"user:{user_id}")


def read_today_uv(redis_client) -> int:
    key = f"uv:site:{date.today():%Y%m%d}"
    return redis_client.pfcount(key)

这里用 user_id 比 IP 更稳定。如果是未登录用户，可以使用设备 ID、匿名访客 ID 或经过脱敏处理的浏览器标识。

多天 UV 合并怎么做

如果要统计近 7 天 UV，不能把每天的 PFCOUNT 简单相加，因为同一个用户可能多天访问。正确做法是让 Redis 对多个 HLL 做合并估算。

PFCOUNT uv:site:20260607 uv:site:20260608 uv:site:20260609

如果这个统计结果会被反复查询，可以先合并到一个临时 Key：

PFMERGE uv:site:7d:20260613 uv:site:20260607 uv:site:20260608 uv:site:20260609
PFCOUNT uv:site:7d:20260613

临时合并 Key 可以设置过期时间，避免统计中间结果长期堆积。

常见坑和适用边界

• 不要拿它做精确名单：HyperLogLog 只能估算数量，不能反查有哪些用户。
• 不要用于强一致计费：如果金额、奖励、风控名单必须精确，优先用 Set、数据库或明细表。
• Key 粒度要先设计：按天、按活动、按页面拆 Key，后续查询和合并会更清晰。
• 用户标识要稳定：随机会话 ID 会放大 UV，最好使用登录用户 ID 或稳定匿名 ID。
• 接受近似误差：看趋势和大盘通常够用，看单个小样本时要谨慎。

总结

Redis HyperLogLog 适合“只要去重数量，不要完整名单”的场景。用 PFADD 记录访问，用 PFCOUNT 读取 UV，用 PFMERGE 做多天合并，可以用很低的内存成本支撑大规模统计。它不是 Set 的完全替代品，而是为大规模近似基数统计准备的工具。