作者：沙茶敏碎碎念
眾所周至，拼多多的待遇也是高的可怕，在挖人方面也是不遺余力，對於一些工作 3 年的開發，稍微優秀一點的，都給到 30K 的 Offer。
當然，拼多多加班也是出名的，一周上 6 天班是常態，每天工作時間基本都是超過 12 個小時，也是相當辛苦的。
廢話不多說，今天我們來聊一聊拼多多的一道后台面試真題，是一道簡單的架構類的題目：
拼多多有數億的用戶，那么對於某個網頁，怎么使用 Redis 來統計一個網站的用戶訪問數呢？
使用 Hash
哈希是 Redis 的一種基礎數據結構，Redis 底層維護的是一個開散列，會把不同的 key 映射到哈希表上，如果是遇到關鍵字沖突，那么就會拉出一個鏈表出來。
當一個用戶訪問的時候，如果用戶登陸過，那么我們就使用用戶的 id，如果用戶沒有登陸過，那么我們也能夠前端頁面隨機生成一個 key 用來標識用戶。
當用戶訪問的時候，我們可以使用 HSET 命令，key 可以選擇 URI 與對應的日期進行拼湊，field 可以使用用戶的 id 或者隨機標識，value 可以簡單設置為 1。
當我們要統計某一個網站某一天的訪問量的時候，就可以直接使用 HLEN 來得到最終的結果了。
優點：簡單，容易實現，查詢也是非常方便，數據准確性非常高。
缺點：占用內存過大，隨着 key 的增多，性能也會下降。小網站還行，拼多多這種數億 PV 的網站肯定受不了
使用 Bitset
我們知道，對於一個 32 位的 int，如果我們只用來記錄 id，那么只能夠記錄一個用戶，但如果我們轉成 2 進制，每位用來表示一個用戶，那么我們就能夠一口氣表示 32 個用戶，空間節省了 32 倍！
對於有大量數據的場景，如果我們使用 bitset，那么，可以節省非常多的內存。
對於沒有登陸的用戶，我們也可以使用哈希算法，把對應的用戶標識哈希成一個數字 id。
bitset 非常的節省內存，假設有 1 億個用戶，也只需要 100000000/8/1024/1024 約等於 12 兆內存。
Redis 已經為我們提供了 SETBIT 的方法，使用起來非常的方便。
我們可以看看下面的例子：
我們在 item 頁面可以不停地使用 SETBIT 命令，設置用戶已經訪問了該頁面，也可以使用 GETBIT 的方法查詢某個用戶是否訪問。
最后我們通過 BITCOUNT 可以統計該網頁每天的訪問數量。
優點占用內存更小，查詢方便，可以指定查詢某個用戶，數據可能略有瑕疵，對於非登陸的用戶，可能不同的 key 映射到同一個 id，否則需要維護一個非登陸用戶的映射，有額外的開銷。
缺點如果用戶非常的稀疏，那么占用的內存可能比方法一更大。
使用概率算法
對於拼多多這種多個頁面都可能非常多訪問量的網站，如果所需要的數量不用那么准確，可以使用概率算法，事實上，我們對一個網站的 UV 的統計，1 億跟 1 億零 30 萬其實是差不多的。
在 Redis 中，已經封裝了 HyperLogLog 算法，他是一種基數評估算法。
這種算法的特征，一般都是數據不存具體的值，而是存用來計算概率的一些相關數據。
當用戶訪問網站的時候，我們可以使用 PFADD 命令，設置對應的命令，最后我們只要通過 PFCOUNT 就能順利計算出最終的結果，因為這個只是一個概率算法，所以可能存在 0.81% 的誤差。
優點占用內存極小，對於一個 key，只需要 12kb。對於拼多多這種超多用戶的特別適用。
缺點查詢指定用戶的時候，可能會出錯，畢竟存的不是具體的數據。總數也存在一定的誤差。
好了，上面就是常見的 3 種適用 Redis 統計網站用戶訪問數的方法了。
原文鏈接：
www.toutiao.com/i6695734985246114312/
·END·
程序員的成長之路
路雖遠，行則必至
本文原發於 同名微信公眾號「程序員的成長之路」，回復「1024」你懂得，給個贊唄。
回復 [ 520 ] 領取程序員最佳學習方式
回復 [ 256 ] 查看 Java 程序員成長規划
