Redis HyperLogLog 是用來做基數統計的算法，HyperLogLog 的優點是，在輸入元素的數量或者體積非常非常大時，計算基數所需的空間總是固定 的、並且是很小的。
在 Redis 里面，每個 HyperLogLog 鍵只需要花費 12 KB 內存，就可以計算接近 2^64 個不同元素的基 數。這和計算基數時，元素越多耗費內存就越多的集合形成鮮明對比。
因為 HyperLogLog 只會根據輸入元素來計算基數，而不會儲存輸入元素本身，所以 HyperLogLog 不能像集合那樣，返回輸入的各個元素。
- HyperLogLog是一種算法，並非redis獨有
- 目的是做基數統計，故不是集合，不會保存元數據，只記錄數量而不是數值。 耗空間極小，支持輸入非常體積的數據量
- 核心是基數估算算法，主要表現為計算時內存的使用和數據合並的處理。最終數值存在一定誤差
- redis中每個hyperloglog key占用了12K的內存用於標記基數（官方文檔）
- pfadd命令並不會一次性分配12k內存，而是隨着基數的增加而逐漸增加內存分配；而pfmerge操作則會將sourcekey合並后存儲在12k大小的key中，這由hyperloglog合並操作的原理（兩個
- hyperloglog合並時需要單獨比較每個桶的值）可以很容易理解。
- 誤差說明：基數估計的結果是一個帶有 0.81% 標准錯誤（standard error）的近似值。是可接受的范圍
- Redis 對 HyperLogLog 的存儲進行了優化，在計數比較小時，它的存儲空間采用稀疏矩陣存儲，空間占用很小，僅僅在計數慢慢變大，稀疏矩陣占用空間漸漸超過了閾值時才會一次性轉變成稠密矩陣，才會占用 12k 的空間
pfadd 添加
- 影響基數估值則返回1否則返回0.若key不存在則創建
- 時間復雜度O(1)
127.0.0.1:6379> pfadd m1 1 2 3 4 1 2 3 2 2 2 2
(integer) 1
pfcount 獲得基數值
- 得到基數值，叫做去重值（1，1，2，2，3）的插入pfcount得到的是3
- 可一次統計多個key
- 時間復雜度為O(N)，N為key的個數
- 返回值是一個帶有 0.81% 標准錯誤（standard error）的近似值.
127.0.0.1:6379> pfadd m1 1 2 3 4 1 2 3 2 2 2 2 (integer) 1 127.0.0.1:6379> pfcount m1 (integer) 4
pfmerge 合並多個key
- 取多個key的並集
- 命令只會返回 OK.
- 時間復雜度為O（N）
127.0.0.1:6379> pfadd m1 1 2 3 4 1 2 3 2 2 2 2 (integer) 1 127.0.0.1:6379> pfcount m1 (integer) 4 127.0.0.1:6379> pfadd m2 3 3 3 4 4 4 5 5 5 6 6 6 1 (integer) 1 127.0.0.1:6379> pfcount m2 (integer) 5 127.0.0.1:6379> pfmerge mergeDes m1 m2 OK 127.0.0.1:6379> pfcount mergeDes (integer) 6
應用場景
說明：
基數不大，數據量不大就用不上，會有點大材小用浪費空間
有局限性，就是只能統計基數數量，而沒辦法去知道具體的內容是什么
和bitmap相比，屬於兩種特定統計情況，簡單來說，HyperLogLog 去重比 bitmap 方便很多
一般可以bitmap和hyperloglog配合使用，bitmap標識哪些用戶活躍，hyperloglog計數
一般使用：
統計注冊 IP 數
統計每日訪問 IP 數
統計頁面實時 UV 數
統計在線用戶數
統計用戶每天搜索不同詞條的個數