Redis统计用户访问量
1. 使用Hash
哈希作为Redis的一种基础数据结构，Redis底层维护的是一个开散列，会把不同的key值映射到哈希表 上，如果是遇到关键字冲突，那么就会拉出一个列表出来。
当一个用户访问时,如果用户登陆过，那么我们就使用用户的id，如果用户没有登陆过，那么也可以在前端页面随机生成一个key用来标识用户，当用户访问的时候，我们可以使用HSET命令，key可以选择URI与对应的日期进行拼凑，field则可以使用用户的id或者随机标识，value则可以简单设置为1。
当要访问一个网站某一天的访问量时，就可以直接使用HLEN来获取结果;
优点：简单,易实现.查询方便,并且数据精准性非常好.
缺点：内存占用过大.随着key的增多,性能会随之下降.无法支撑大规模的访问量.
2. 使用Bitset
对于个int型的数来说，若用来记录id，则只能记录一个，而若转换为二进制存储，则可以表示32个，空间的利用率提升了32倍.对于海量数据的处理，这样的存储方式会节省很多内存空间.对于未登陆的用户，可以使用Hash算法，把对应的用户标识哈希为一个数字id.对于一亿个数据来说，我们也只需要1000000000/8/1024/1024大约12M空间左右.
而Redis已经为我们提供了SETBIT的方法，使用起来非常的方便，我们在item页面可以不停地使用SETBIT命令，设置用户已经访问了该页面，也可以使用GETBIT的方法查询某个用户是否访问。最后通过BITCOUNT统计该网页每天的访问数量。
优点：占用内存更小，查询方便，可以指定查询某个用户，对于非登陆的用户，可能不同的key映射到同一个id，否则需要维护一个非登陆用户的映射，有额外的开销。
缺点：如果用户过于稀疏，则占用的内存可能比第一个方法更大
3. 使用概率算法
对于一个网站页面若访问量非常大的话，如果要求的数量不是很高，可以考虑使用概率算法。
在Redis中，已经对HyperLogLog算法做了封装，这是一种基数评估算法:不存储具体数值，只是存储用来计算概率的一些相关数据。
当用户访问网站的时候，可以使用PFADD命令，设置对应的命令，最后我们只要通过PFCOUNT顺利计算出最终的结果，因为这是一个概率算法，所以可能存在一定的误差。
优点：占用内存极小，对于一个key，只需要12kb。对于超大规模数据访问量的网站效率极高
缺点：查询指定用户的时候，可能会出错。在总数统计时也不一定十分精准.
使用Redis做某个时间段在线数统计
一般有范围性的需求都可以使用 sorted set 实现。
sorted set 类型通常用于实现(排行榜，最新的xxx,延迟队列…)
实现
实现很简单，将用户的登录时间转换成时间戳作为权重即可。
假设用户1,3 在20220801号登录
zadd login 1659283200 1 zadd login 1659283200 3
假设用户2，3 在20220802号登录
zadd login 1659369600 2 zadd login 1659369600 3
假设用户4,在20220803号登录
zadd login 1659456000 4
统计20220801至20220802的在线用户数量
# ZCOUNT key min max # 在线 3 zcount login 1659283200 1659369600
拓展:在上面的基础上统计连续两天都在线的用户及其最后登录时间
假设用户1，3 在20220801号登录
zadd login:20220801 1659283200 1 zadd login:20220801 1659283200 3
假设用户2，3 在20220802号登录
zadd login:20220802 1659369600 2 zadd login:20220802 1659369600 3
假设用户4,在20220803号登录
zadd login:20220803 1659456000 4
统计20220801，20220802 两天都登录的用户及其最后登录时间
# 将两个交集保存至 result:20220801:20220802 # aggregate max 保留最大的权重(即最后登录时间) # 不使用 aggregate max，权重会累加 zinterstore result:20220801:20220802 2 login:20220801 login:20220802 aggregate max # 展示数据 zrange result:20220801:20220802 0 -1 withscores
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持寻技术。
