Redis如何統(tǒng)計用戶訪問量

更新時間：2023年07月14日 09:33:10 作者：一傾而盡

這篇文章主要介紹了Redis如何統(tǒng)計用戶訪問量問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

Redis統(tǒng)計用戶訪問量

1. 使用Hash

哈希作為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值映射到哈希表上，如果是遇到關鍵字沖突，那么就會拉出一個列表出來。

當一個用戶訪問時,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，那么也可以在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則可以使用用戶的id或者隨機標識，value則可以簡單設置為1。

當要訪問一個網站某一天的訪問量時，就可以直接使用HLEN來獲取結果;

優(yōu)點：簡單,易實現.查詢方便,并且數據精準性非常好.

缺點：內存占用過大.隨著key的增多,性能會隨之下降.無法支撐大規(guī)模的訪問量.

2. 使用Bitset

對于個int型的數來說，若用來記錄id，則只能記錄一個，而若轉換為二進制存儲，則可以表示32個，空間的利用率提升了32倍.對于海量數據的處理，這樣的存儲方式會節(jié)省很多內存空間.對于未登陸的用戶，可以使用Hash算法，把對應的用戶標識哈希為一個數字id.對于一億個數據來說，我們也只需要1000000000/8/1024/1024大約12M空間左右.

而Redis已經為我們提供了SETBIT的方法，使用起來非常的方便，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。最后通過BITCOUNT統(tǒng)計該網頁每天的訪問數量。

優(yōu)點：占用內存更小，查詢方便，可以指定查詢某個用戶，對于非登陸的用戶，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：如果用戶過于稀疏，則占用的內存可能比第一個方法更大

3. 使用概率算法

對于一個網站頁面若訪問量非常大的話，如果要求的數量不是很高，可以考慮使用概率算法。

在Redis中，已經對HyperLogLog算法做了封裝，這是一種基數評估算法:不存儲具體數值，只是存儲用來計算概率的一些相關數據。

當用戶訪問網站的時候，可以使用PFADD命令，設置對應的命令，最后我們只要通過PFCOUNT順利計算出最終的結果，因為這是一個概率算法，所以可能存在一定的誤差。

優(yōu)點：占用內存極小，對于一個key，只需要12kb。對于超大規(guī)模數據訪問量的網站效率極高

缺點：查詢指定用戶的時候，可能會出錯。在總數統(tǒng)計時也不一定十分精準.

使用Redis做某個時間段在線數統(tǒng)計

一般有范圍性的需求都可以使用 sorted set 實現。

sorted set 類型通常用于實現(排行榜，最新的xxx,延遲隊列…)

實現

實現很簡單，將用戶的登錄時間轉換成時間戳作為權重即可。

假設用戶1,3 在20220801號登錄

zadd login 1659283200 1
zadd login 1659283200 3

假設用戶2，3 在20220802號登錄

zadd login 1659369600 2
zadd login 1659369600 3

假設用戶4,在20220803號登錄

zadd login 1659456000 4

統(tǒng)計20220801至20220802的在線用戶數量

# ZCOUNT key min max
# 在線 3
zcount login 1659283200 1659369600

拓展:在上面的基礎上統(tǒng)計連續(xù)兩天都在線的用戶及其最后登錄時間

假設用戶1，3 在20220801號登錄

zadd login:20220801 1659283200 1
zadd login:20220801 1659283200 3

假設用戶2，3 在20220802號登錄

zadd login:20220802 1659369600 2
zadd login:20220802 1659369600 3

假設用戶4,在20220803號登錄

zadd login:20220803 1659456000 4

統(tǒng)計20220801，20220802 兩天都登錄的用戶及其最后登錄時間

# 將兩個交集保存至 result:20220801:20220802
# aggregate max 保留最大的權重(即最后登錄時間)
# 不使用 aggregate max，權重會累加
zinterstore result:20220801:20220802 2 login:20220801 login:20220802 aggregate max
# 展示數據
zrange result:20220801:20220802 0 -1 withscores