首先我们搞懂两个概念：

• UV：全程Unique Visitor，也叫独立访客量、是指通过互联网访问、浏览这个网页的自然人
• PV：全程Page View，也叫页面访问量或者点击量，用户每访问网站的一个页面，记录1次PV，用户多次打开页面，则记录多次PV。往往用来衡量网站流量

UV统计在服务端做会比较麻烦，因此要判断该用户是否已经统计过了，需要将统计过的用户信息保存。但是如果每个访问的用户都保存到Redis中，数据量会非常恐怖。

• HyperLogLog用法 Hyperlonglong(HHL)是从Loglog算法派生的概率算法，用于确定非常大的集合的基数，而不需要存储其所有值。

Redis中的HLL是基于string结构实现的，单个HLL的内存永远小于16kb，内存占用很低。作为代价，其测量结果是概率性的，有小于0.81％的误差。不过对于UV统计来说，这完全可以忽略。

• HyperLogLog常用指令：

  • PFADD key element [element ...]：添加指定元素到HyperLogLog中
  • PFCOUNT key [key ...]：返回给定HyperLogLog的基数估算值，即统计key的value有多少个
  • PFMERGE destkey sourcekey [sourcekey ...]：将多个HyperLogLog合并为一个HyperLogLog

• HyperLogLog的作用：做海量数据的唯一性统计工作

• HyperLogLog的优缺点：
  • 优点：内存占用极低、性能非常好
  • 缺点：有一定的误差

HLL与布隆过滤器的有些特点比较相似，目标都是节省存储空间，结果都是非精准，都有一定的设置误判率或误差率的能力。布隆过滤器核心在于判定是元素是否存在，HLL核心是计数。