快捷導(dǎo)航

Redis去重的3種不同方法匯總

更新時(shí)間：2021年11月08日 14:38:02 作者：大數(shù)據(jù)技術(shù)派

Redis是完全開(kāi)源免費(fèi)的，遵守BSD協(xié)議，是一個(gè)高性能的key-value數(shù)據(jù)庫(kù),下面這篇文章主要給大家介紹了關(guān)于Redis去重的3種不同方法,需要的朋友可以參考下

前言

這篇文章主要介紹了Redis實(shí)現(xiàn)唯一計(jì)數(shù)的3種方法分享,本文講解了基于SET、基于 bit、基于 HyperLogLog三種方法,需要的朋友可以參考下

唯一計(jì)數(shù)是網(wǎng)站系統(tǒng)中十分常見(jiàn)的一個(gè)功能特性，例如網(wǎng)站需要統(tǒng)計(jì)每天訪問(wèn)的人數(shù) unique visitor （也就是 UV）。計(jì)數(shù)問(wèn)題很常見(jiàn)，但解決起來(lái)可能十分復(fù)雜：一是需要計(jì)數(shù)的量可能很大，比如大型的站點(diǎn)每天有數(shù)百萬(wàn)的人訪問(wèn)，數(shù)據(jù)量相當(dāng)大；二是通常還希望擴(kuò)展計(jì)數(shù)的維度，比如除了需要每天的 UV，還想知道每周或每月的 UV，這樣導(dǎo)致計(jì)算十分復(fù)雜。

在關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)的系統(tǒng)里，實(shí)現(xiàn)唯一計(jì)數(shù)的方法就是 select count(distinct <item_id>)，它十分簡(jiǎn)單，但是如果數(shù)據(jù)量很大，這個(gè)語(yǔ)句執(zhí)行是很慢的。用關(guān)系數(shù)據(jù)庫(kù)另外一個(gè)問(wèn)題是插入數(shù)據(jù)性能也不高。

Redis 解決這類計(jì)數(shù)問(wèn)題得心應(yīng)手，相比關(guān)系數(shù)據(jù)庫(kù)速度更快，消耗資源更少，甚至提供了 3 種不同的方法。

1.基于 set

Redis 的 set 用于保存唯一的數(shù)據(jù)集合，通過(guò)它可以快速判斷某一個(gè)元素是否存在于集合中，也可以快速計(jì)算某一個(gè)集合的元素個(gè)數(shù)，另外和可以合并集合到一個(gè)新的集合中。涉及的命令如下：

復(fù)制代碼代碼如下:

SISMEMBER key member  # 判斷 member 是否存在
SADD key member  # 往集合中加入 member
SCARD key   # 獲取集合元素個(gè)數(shù)

基于 set 的方法簡(jiǎn)單有效，計(jì)數(shù)精確，適用面廣，易于理解，它的缺點(diǎn)是消耗資源比較大（當(dāng)然比起關(guān)系數(shù)據(jù)庫(kù)是少很多的），如果元素個(gè)數(shù)很大（比如上億的計(jì)數(shù)），消耗內(nèi)存很恐怖。

2.基于 bit

Redis 的 bit 可以用于實(shí)現(xiàn)比 set 內(nèi)存高度壓縮的計(jì)數(shù)，它通過(guò)一個(gè) bit 1 或 0 來(lái)存儲(chǔ)某個(gè)元素是否存在信息。例如網(wǎng)站唯一訪客計(jì)數(shù)，可以把 user_id 作為 bit 的偏移量 offset，設(shè)置為 1 表示有訪問(wèn)，使用 1 MB的空間就可以存放 800 多萬(wàn)用戶的一天訪問(wèn)計(jì)數(shù)情況。涉及的命令如下：

復(fù)制代碼代碼如下:

SETBIT key offset value  # 設(shè)置位信息
GETBIT key offset        # 獲取位信息
BITCOUNT key [start end] # 計(jì)數(shù)
BITOP operation destkey key [key ...]  # 位圖合并

基于 bit 的方法比起 set 空間消耗小得多，但是它要求元素能否簡(jiǎn)單映射為位偏移，適用面窄了不少，另外它消耗的空間取決于最大偏移量，和計(jì)數(shù)值無(wú)關(guān)，如果最大偏移量很大，消耗內(nèi)存也相當(dāng)可觀。

3.基于 HyperLogLog

實(shí)現(xiàn)超大數(shù)據(jù)量精確的唯一計(jì)數(shù)都是比較困難的，但是如果只是近似的話，計(jì)算科學(xué)里有很多高效的算法，其中 HyperLogLog Counting 就是其中非常著名的算法，它可以僅僅使用 12 k左右的內(nèi)存，實(shí)現(xiàn)上億的唯一計(jì)數(shù)，而且誤差控制在百分之一左右。涉及的命令如下：

復(fù)制代碼代碼如下:

PFADD key element [element ...]  # 加入元素
PFCOUNT key [key ...]   # 計(jì)數(shù)

這種計(jì)數(shù)方法真的很神奇，我也沒(méi)有徹底弄明白，有興趣可以深入研究相關(guān)文章。

redis 提供的這三種唯一計(jì)數(shù)方式各有優(yōu)劣，可以充分滿足不同情況下的計(jì)數(shù)要求。

4. 基于bloomfilter

BloomFilter是利用類似位圖或者位集合數(shù)據(jù)結(jié)構(gòu)來(lái)存儲(chǔ)數(shù)據(jù)，利用位數(shù)組來(lái)簡(jiǎn)潔的表示一個(gè)集合，并且能夠快速的判斷一個(gè)元素是不是已經(jīng)存在于這個(gè)集合。雖然BloomFilter不是100%準(zhǔn)確，但是可以通過(guò)調(diào)節(jié)參數(shù)，使用Hash函數(shù)的個(gè)數(shù)，位數(shù)組的大小來(lái)降低失誤率。這樣調(diào)節(jié)完全可以把失誤率降低到接近于0?？梢詽M足大部分場(chǎng)景了。

redis使用布隆過(guò)濾器需要安裝插件：centos中安裝redis插件bloom-filter