针对每天千万级访问量，且不要求 100% 精确的 UV（独立访客）统计需求，Redis 最完美的解决方案是使用 HyperLogLog 数据结构。 下面是详细的分析和设计方案： 1. 为什么选择 HyperLogLog？ 在 Redis 中，统计去重数据通常有三种选择：、 和 。我们来做个对比： Set（集合）： 可以做到 100% 准确。但是极其消耗内存。如果一个用户 ID 是 32 字节的字符串，千万级 UV 一天需要占用约 300MB - 500MB 的内存。一个月就是十几 GB，成本太高。 Bitmap（位图）： 内存占用小（一千万连续用户 ID 约占用 1.2MB）。但前提是用户 ID 必须是连续的数字。如果业务用的是 UUID、设备指纹或非连续 ID，Bitmap 就会变得极其稀疏，导致内存浪费，且需要维护 ID 映射表，极其繁琐。 HyperLogLog（基数统计）： 极限省内存： 无论统计多少个用户（最多支持 $2^{64}$ 个），每个 Key 最大只占用 12 KB 的内存。 满足误差允许条件： 它是概率算法，标准误差率在 0.81% 左右。对于千万级 UV，...
播面