Redis 實戰(zhàn)篇：巧用數(shù)據(jù)類型實現(xiàn)億級數(shù)據(jù)統(tǒng)計
在移動應用的業(yè)務場景中，我們需要保存這樣的信息：一個 key 關聯(lián)了一個數(shù)據(jù)集合，同時還要對集合中的數(shù)據(jù)進行統(tǒng)計排序。
常見的場景如下：
- 給一個 userId ，判斷用戶登陸狀態(tài);
- 兩億用戶最近 7 天的簽到情況，統(tǒng)計 7 天內連續(xù)簽到的用戶總數(shù);
- 統(tǒng)計每天的新增與第二天的留存用戶數(shù);
- 統(tǒng)計網(wǎng)站的對訪客(Unique Visitor，UV)量
- 最新評論列表
- 根據(jù)播放量音樂榜單
通常情況下，我們面臨的用戶數(shù)量以及訪問量都是巨大的，比如百萬、千萬級別的用戶數(shù)量，或者千萬級別、甚至億級別的訪問信息。
所以，我們必須要選擇能夠非常高效地統(tǒng)計大量數(shù)據(jù)(例如億級)的集合類型。
如何選擇合適的數(shù)據(jù)集合，我們首先要了解常用的統(tǒng)計模式，并運用合理的數(shù)據(jù)來解決實際問題。
四種統(tǒng)計類型：
- 二值狀態(tài)統(tǒng)計;
- 聚合統(tǒng)計;
- 排序統(tǒng)計;
- 基數(shù)統(tǒng)計。
本文將用到 String、Set、Zset、List、hash 以外的拓展數(shù)據(jù)類型 Bitmap、HyperLogLog來實現(xiàn)。
關于二值統(tǒng)計請看歷史文章：
Redis 實戰(zhàn)篇：巧用 Bitmap 實現(xiàn)海量數(shù)據(jù)統(tǒng)計
今天我們來看下剩下的三種統(tǒng)計類型。
文章涉及到的指令可以通過在線 Redis 客戶端運行調試，地址：https://try.redis.io/，超方便的說。
基數(shù)統(tǒng)計
基數(shù)統(tǒng)計：統(tǒng)計一個集合中不重復元素的個數(shù)，常見于計算獨立用戶數(shù)(UV)。
實現(xiàn)基數(shù)統(tǒng)計最直接的方法，就是采用集合(Set)這種數(shù)據(jù)結構，當一個元素從未出現(xiàn)過時，便在集合中增加一個元素;如果出現(xiàn)過，那么集合仍保持不變。
當頁面訪問量巨大，就需要一個超大的 Set 集合來統(tǒng)計，將會浪費大量空間。
另外，這樣的數(shù)據(jù)也不需要很精確，到底有沒有更好的方案呢?
這個問題問得好，Redis 提供了 HyperLogLog 數(shù)據(jù)結構就是用來解決種種場景的統(tǒng)計問題。
HyperLogLog 是一種不精確的去重基數(shù)方案，它的統(tǒng)計規(guī)則是基于概率實現(xiàn)的，標準誤差 0.81%，這樣的精度足以滿足 UV 統(tǒng)計需求了。
關于 HyperLogLog 的原理過于復雜，如果想要了解的請移步：
https://www.zhihu.com/question/53416615
https://en.wikipedia.org/wiki/HyperLogLog
網(wǎng)站的 UV
通過 Set 實現(xiàn)
一個用戶一天內多次訪問一個網(wǎng)站只能算作一次，所以很容易就想到通過 Redis 的 Set 集合來實現(xiàn)。
用戶編號 89757 訪問 「Redis 為什么這么快 」時，我們將這個信息放到 Set 中。
- SADD Redis為什么這么快:uv 89757
當用戶編號 89757 多次訪問「Redis 為什么這么快」頁面，Set 的去重功能能保證不會重復記錄同一個用戶 ID。
通過 SCARD 命令，統(tǒng)計「Redis 為什么這么快」頁面 UV。指令返回一個集合的元素個數(shù)(也就是用戶 ID)。
- SCARD Redis為什么這么快:uv
通過 Hash 實現(xiàn)
碼老濕，還可以利用 Hash 類型實現(xiàn)，將用戶 ID 作為 Hash 集合的 key，訪問頁面則執(zhí)行 HSET 命令將 value 設置成 1。
即使用戶重復訪問，重復執(zhí)行命令，也只會把這個 userId 的值設置成 “1"。
最后，利用 HLEN 命令統(tǒng)計 Hash 集合中的元素個數(shù)就是 UV。
如下：
- HSET redis集群:uv userId:89757 1
- // 統(tǒng)計 UV
- HLEN redis集群
HyperLogLog 王者方案
碼老濕，Set 雖好，如果文章非?；鸨_到千萬級別，一個 Set 就保存了千萬個用戶的 ID，頁面多了消耗的內存也太大了。同理，Hash數(shù)據(jù)類型也是如此。咋辦呢?
利用 Redis 提供的 HyperLogLog 高級數(shù)據(jù)結構(不要只知道 Redis 的五種基礎數(shù)據(jù)類型了)。這是一種用于基數(shù)統(tǒng)計的數(shù)據(jù)集合類型，即使數(shù)據(jù)量很大，計算基數(shù)需要的空間也是固定的。
每個 HyperLogLog 最多只需要花費 12KB 內存就可以計算 2 的 64 次方個元素的基數(shù)。
Redis 對 HyperLogLog 的存儲進行了優(yōu)化，在計數(shù)比較小的時候，存儲空間采用系數(shù)矩陣，占用空間很小。
只有在計數(shù)很大，稀疏矩陣占用的空間超過了閾值才會轉變成稠密矩陣，占用 12KB 空間。
PFADD
將訪問頁面的每個用戶 ID 添加到 HyperLogLog 中。
- PFADD Redis主從同步原理:uv userID1 userID 2 useID3
PFCOUNT
利用 PFCOUNT 獲取 「Redis主從同步原理」頁面的 UV值。
- PFCOUNT Redis主從同步原理:uv
PFMERGE 使用場景
HyperLogLog 除了上面的 PFADD 和 PFCOIUNT 外，還提供了 PFMERGE ，將多個 HyperLogLog 合并在一起形成一個新的 HyperLogLog 值。
語法
- PFMERGE destkey sourcekey [sourcekey ...]
使用場景
比如在網(wǎng)站中我們有兩個內容差不多的頁面，運營說需要這兩個頁面的數(shù)據(jù)進行合并。
其中頁面的 UV 訪問量也需要合并，那這個時候 PFMERGE 就可以派上用場了，也就是同樣的用戶訪問這兩個頁面則只算做一次。
如下所示：Redis、MySQL 兩個 Bitmap 集合分別保存了兩個頁面用戶訪問數(shù)據(jù)。
- PFADD Redis數(shù)據(jù) user1 user2 user3
- PFADD MySQL數(shù)據(jù) user1 user2 user4
- PFMERGE 數(shù)據(jù)庫 Redis數(shù)據(jù) MySQL數(shù)據(jù)
- PFCOUNT 數(shù)據(jù)庫 // 返回值 = 4
將多個 HyperLogLog 合并(merge)為一個 HyperLogLog ， 合并后的 HyperLogLog 的基數(shù)接近于所有輸入 HyperLogLog 的可見集合(observed set)的并集。
user1、user2 都訪問了 Redis 和 MySQL，只算訪問了一次。
排序統(tǒng)計
Redis 的 4 個集合類型中(List、Set、Hash、Sorted Set)，List 和 Sorted Set 就是有序的。
List：按照元素插入 List 的順序排序，使用場景通?？梢宰鳛?消息隊列、最新列表、排行榜;
Sorted Set：根據(jù)元素的 score 權重排序，我們可以自己決定每個元素的權重值。使用場景(排行榜，比如按照播放量、點贊數(shù))。
最新評論列表
碼老濕，我可以利用 List 插入的順序排序實現(xiàn)評論列表
比如微信公眾號的后臺回復列表(不要杠，舉例子)，每一公眾號對應一個 List，這個 List 保存該公眾號的所有的用戶評論。
每當一個用戶評論，則利用 LPUSH key value [value ...] 插入到 List 隊頭。
- LPUSH 碼哥字節(jié) 1 2 3 4 5 6
接著再用 LRANGE key star stop 獲取列表指定區(qū)間內的元素。
- > LRANGE 碼哥字節(jié) 0 4
- 1) "6"
- 2) "5"
- 3) "4"
- 4) "3"
- 5) "2"
注意，并不是所有最新列表都能用 List 實現(xiàn)，對于因為對于頻繁更新的列表，list類型的分頁可能導致列表元素重復或漏掉。
比如當前評論列表 List ={A, B, C, D｝，左邊表示最新的評論，D 是最早的評論。
- LPUSH 碼哥字節(jié) D C B A
展示第一頁最新 2 個評論，獲取到 A、B：
- LRANGE 碼哥字節(jié) 0 1
- 1) "A"
- 2) "B"
按照我們想要的邏輯來說，第二頁可通過 LRANGE 碼哥字節(jié) 2 3 獲取 C，D。
如果在展示第二頁之前，產生新評論 E，評論 E 通過 LPUSH 碼哥字節(jié) E 插入到 List 隊頭，List = {E, A, B, C, D ｝。
現(xiàn)在執(zhí)行 LRANGE 碼哥字節(jié) 2 3 獲取第二頁評論發(fā)現(xiàn)， B 又出現(xiàn)了。
- LRANGE 碼哥字節(jié) 2 3
- 1) "B"
- 2) "C"
出現(xiàn)這種情況的原因在于 List 是利用元素所在的位置排序，一旦有新元素插入，List = {E，A，B，C，D｝。
原先的數(shù)據(jù)在 List 的位置都往后移動一位，導致讀取都舊元素。
List最新列表
小結
只有不需要分頁(比如每次都只取列表的前 5 個元素)或者更新頻率低(比如每天凌晨統(tǒng)計更新一次)的列表才適合用 List 類型實現(xiàn)。
對于需要分頁并且會頻繁更新的列表，需用使用有序集合 Sorted Set 類型實現(xiàn)。
另外，需要通過時間范圍查找的最新列表，List 類型也實現(xiàn)不了，需要通過有序集合 Sorted Set 類型實現(xiàn)，如以成交時間范圍作為條件來查詢的訂單列表。
排行榜
碼老濕，對于最新列表的場景，List 和 Sorted Set 都能實現(xiàn)，為啥還用 List 呢?直接使用 Sorted Set 不是更好，它還能設置 score 權重排序更加靈活。
原因是 Sorted Set 類型占用的內存容量是 List 類型的數(shù)倍之多，對于列表數(shù)量不多的情況，可以用 Sorted Set 類型來實現(xiàn)。
比如要一周音樂榜單，我們需要實時更新播放量，并且需要分頁展示。
除此以外，排序是根據(jù)播放量來決定的，這個時候 List 就無法滿足了。
我們可以將音樂 ID 保存到 Sorted Set 集合中，score 設置成每首歌的播放量，該音樂每播放一次則設置 score = score +1。
ZADD
比如我們將《青花瓷》和《花田錯》播放量添加到 musicTop 集合中：
- ZADD musicTop 100000000 青花瓷 8999999 花田錯
ZINCRBY
《青花瓷》每播放一次就通過 ZINCRBY指令將 score + 1。
- > ZINCRBY musicTop 1 青花瓷
- 100000001
ZRANGEBYSCORE
最后我們需要獲取 musicTop 前十播放量音樂榜單，目前最大播放量是 N ，可通過如下指令獲取：
- ZRANGEBYSCORE musicTop N-9 N WITHSCORES
65哥：可是這個 N 我們怎么獲取呀?
ZREVRANGE
可通過 ZREVRANGE key start stop [WITHSCORES]指令。
其中元素的排序按 score 值遞減(從大到小)來排列。
具有相同 score 值的成員按字典序的逆序(reverse lexicographical order)排列。
- > ZREVRANGE musicTop 0 0 WITHSCORES
- 1) "青花瓷"
- 2) 100000000
小結
即使集合中的元素頻繁更新，Sorted Set 也能通過 ZRANGEBYSCORE命令準確地獲取到按序排列的數(shù)據(jù)。
在面對需要展示最新列表、排行榜等場景時，如果數(shù)據(jù)更新頻繁或者需要分頁顯示，建議優(yōu)先考慮使用 Sorted Set。
聚合統(tǒng)計
指的就是統(tǒng)計多個集合元素的聚合結果，比如說：
- 統(tǒng)計多個元素的共有數(shù)據(jù)(交集);
- 統(tǒng)計兩個集合其中的一個獨有元素(差集統(tǒng)計);
- 統(tǒng)計多個集合的所有元素(并集統(tǒng)計)。
碼老濕，什么樣的場景會用到交集、差集、并集呢?
Redis 的 Set 類型支持集合內的增刪改查，底層使用了 Hash 數(shù)據(jù)結構，無論是 add、remove 都是 O(1) 時間復雜度。
并且支持多個集合間的交集、并集、差集操作，利用這些集合操作，解決上邊提到的統(tǒng)計問題。
交集-共同好友
比如 QQ 中的共同好友正是聚合統(tǒng)計中的交集。我們將賬號作為 Key，該賬號的好友作為 Set 集合的 value。
模擬兩個用戶的好友集合：
- SADD user:碼哥字節(jié) R大 Linux大神 PHP之父
- SADD user:大佬 Linux大神 Python大神 C++菜雞
交集
統(tǒng)計兩個用戶的共同好友只需要兩個 Set 集合的交集，如下命令：
- SINTERSTORE user:共同好友 user:碼哥字節(jié) user:大佬
命令的執(zhí)行后，「user:碼哥字節(jié)」、「user:大佬」兩個集合的交集數(shù)據(jù)存儲到 user:共同好友這個集合中。
差集-每日新增好友數(shù)
比如，統(tǒng)計某個 App 每日新增注冊用戶量，只需要對近兩天的總注冊用戶量集合取差集即可。
比如，2021-06-01 的總注冊用戶量存放在 key = user:20210601 set 集合中，2021-06-02 的總用戶量存放在 key = user:20210602 的集合中。
set差集
如下指令，執(zhí)行差集計算并將結果存放到 user:new 集合中。
- SDIFFSTORE user:new user:20210602 user:20210601
執(zhí)行完畢，此時的 user:new 集合將是 2021/06/02 日新增用戶量。
除此之外，QQ 上有個可能認識的人功能，也可以使用差集實現(xiàn)，就是把你朋友的好友集合減去你們共同的好友即是可能認識的人。
并集-總共新增好友
還是差集的例子，統(tǒng)計 2021/06/01 和 2021/06/02 兩天總共新增的用戶量，只需要對兩個集合執(zhí)行并集。
- SUNIONSTORE userid:new user:20210602 user:20210601
此時新的集合 userid:new 則是兩日新增的好友。
小結
Set 的差集、并集和交集的計算復雜度較高，在數(shù)據(jù)量較大的情況下，如果直接執(zhí)行這些計算，會導致 Redis 實例阻塞。
所以，可以專門部署一個集群用于統(tǒng)計，讓它專門負責聚合計算，或者是把數(shù)據(jù)讀取到客戶端，在客戶端來完成聚合統(tǒng)計，這樣就可以規(guī)避由于阻塞導致其他服務無法響應。
本文轉載自微信公眾號「碼哥字節(jié)」，可以通過以下二維碼關注。轉載本文請聯(lián)系碼哥字節(jié)公眾號。
