由于当前系统并没有足够的用户数据量、所以这里我们需要模拟实现UV统计 为了看出HLL占用内存大小、我们先查看一下当前Redis内存占用情况

#查看Redis内容
info memory

当前Redis已占用内存大小为3591808 Byte，used_memory_human为3.43MB

• 存储模拟用户数据

/**
 * 执行testHyperLogLog相关业务逻辑。
 *
 * 作用：
 * 1.每1000次，添加一次，添加到Redis；
 * 2.统计数量；
 *
 * @return无返回值
 */
@Test
void testHyperLogLog() {
    String[] values = new String[1000];
    for (int i = 0; i < 1000000; i++) {
        values[i % 1000] = "user_" + i;
        // 每1000次，添加一次，添加到Redis
        if (i % 1000 == 999) {
            stringRedisTemplate.opsForHyperLogLog().add("hl2", values);
        }
    }
    // 统计数量
    Long count = stringRedisTemplate.opsForHyperLogLog().size("hl2");
    System.out.println("count = " + count); // count = 997593
}

在使用info memory查看HLL存储100w条数据后内存：3602896 Byte，与上次相差11,088/1024=10.828125KB，误差率为(1000000 - 997593) / 1000000 ≈ 0.2407%

总结：HyperLogLog统计数据量基本准确，并且还能过滤重复元素，存储海量数据占用内存极低，满足了大数据量的UV统计。