新数据类型-Hyperloglog
简介
在我们做站点流量统计的时候一般会统计页面UV(独立访客:unique visitor)和PV(即页面浏览量：page view)。
什么是基数？
数据集｛1，2，5，7，5，7，9｝，那么这个数据集的基数集为｛1，2，5，7，9｝，基数（不重复元 素）为5，基数估计就是在误差可接受范围内，快速计算基数。
如果是通过Redis来处理，我们可以使用String类型然后自增计数即可达到统计PV，统计UV可以使用 Set，每个用户id是唯一的可以放到这个集合里。
以上方案虽然结果准确，但随着数据不断增加，导致占用的内存空间越来越大，对于非常大的数据集是 不合适的。
Hyperloglog 是一种基数估算统计，在输入元素的数量特别巨大时，计算基数所需的空间是固定的，并 且很小。
在Redis中，每个Hyperloglog 只占用12KB内存，就可以计算接近 2 64 2^{64} 264个不同元素的基数。
因为HyperLogLog 只会更具输入元素来计算基数，而不会存储输入元素本身，所以Hyperloglog 不能像 集合那样，返回输入的各个元素。
常用命令
-
pfadd key element1 element2……将所有元素参数添加到 Hyperloglog 数据结构中。
如果至少有个元素被添加返回 1， 否则返回 0。
pfadd book1 python sql 添加两个元素，当前book1数量为2 pfadd book1 python js 添加一个元素，当前book1数量为3
-
pfcount key1 key2……计算Hyperloglog 近似基数，可以计算多个Hyperloglog ，统计基数总 数。
pfcount book1 计算book1的基数，结果为3 pfadd book2 html css 添加两个元素到book2中 pfcount book1 book2 统计两个key的基数总数，结果为5
-
pfmerge destkey sourcekey1 sourcekey2……将一个或多个Hyperloglog（sourcekey1） 合并 成一个Hyperloglog （destkey ）。
比如每月活跃用户可用每天活跃用户合并后计算。
pfmerge book book1 book2 将book1和book2合并成book，结果为5
)
