书接上回
上一篇我们学习的 bitmap 这一“数据类型”。其内部是由sds这种种数据结构编码的。
如果不记得了，那就来坐穿梭机回去看看吧。 开始穿梭
接下来，我们继续学习一个新的"数据类型", 位图, HyperLogLogs.（注意啦,数据类型，我又加了引号！！）
HyperLogLogs简介
HyperLogLog是一种概率数据结构，用于对唯一事物进行计数（从技术上讲，这是指估计集合的基数）。
注意哦， HyperlogLog其实是一种基数计数算法，并非Redis独有的。
通常，对唯一项目进行计数需要使用与要计数的项目数量成比例的内存量，因为您需要记住过去已经看到的元素，以避免多次对其进行计数。但是，有一组算法会以内存换取精度：以Redis实施为例，您得出的带有标准误差的估计度量最终会小于1％。
该算法的神奇之处在于，您不再需要使用与所计数项目数量成比例的内存量，而可以使用恒定数量的内存！在最坏的情况下为12k字节，如果您的HyperLogLogs看到的元素很少，而且少得多。
Redis中的HyperLogLog尽管在技术上是不同的数据结构，但被编码为Redis字符串(sds)，因此您可以调用GET来序列化HyperLogLogs，然后调用SET来将其反序列化回服务器。这里我们在文末会大体翻一下源码。
接下来我们先看一下 HyperLogLog 有什么应用场景。
HyperLogLog 的应用场景
根据HyperLogLog的特性来看，使用了一种概率性计数的功能，这样的功能有一个特点就是当数据特别大的时候，其统计的值是不准确的。什么意思呢？
就是比如统计一个网站的PV，PV数值是 123456789 或者 123456000 这两者的值对于管理者来讲是一样的。对于一些对精度要求不准确而且数据量很大的场景是非常适合的。
比如以下场景：计算网站的PV，UV，统计日活，月活，统计用户每天搜索的词条数等等。
HyperLogLog 的常用命令
HyperLogLog 应该是Redis所有结构中命令最少的了，只有三个命令。
PFADD key element [element ...]
添加元素。
如果一个HyperLogLog的估计的近似基数在执行命令过程中发了变化， PFADD 返回1，否则返回0，如果指定的key不存在，这个命令会自动创建一个空的HyperLogLog结构（指定长度和编码的字符串）.
127.0.0.1:6379> pfadd k96 v1 v2 v3
(integer) 1
127.0.0.1:6379> pfadd k96 v4
(integer) 1
127.0.0.1:6379> pfadd k96 v1
(integer) 0
127.0.0.1:6379> pfadd k96 v2 v3 v4
(integer) 0
127.0.0.1:6379> PFCOUNT key [key ...]
当参数为一个key时,返回存储在HyperLogLog结构体的该变量的近似基数，如果该变量不存在,则返回0.
当参数为多个key时，返回这些HyperLogLog并集的近似基数，这个值是将所给定的所有key的HyperLoglog结构合并到一个临时的HyperLogLog结构中计算而得到的.
127.0.0.1:6379> pfadd k97 v1 v2 v3 v4
(integer) 1
127.0.0.1:6379> PFCOUNT k97
(integer) 4
# 测试多个key
127.0.0.1:6379> PFCOUNT k97 k96
(integer) 4
127.0.0.1:6379> PFADD k97 v5 v6
(integer) 1
127.0.0.1:6379> PFCOUNT k97 k96
(integer) 6刚才说了，HyperLogLog只是存储总数的一种结构，而且其值也会和实际值有偏差。我们一起来验证一下这个结果
我们往Redis中插入10000条数据，查看其 pfcount的值是多少。
使用下面这个脚本去插入(java实现)。公众号回复 RedisClient 可以获取完整源码。
String host = "10.1.14.159";
int port = 6379;
SocketRedisClient client = new SocketRedisClient(host, port);
String authCmd = client.exec("auth moyang");
System.out.println("登录验证结果:" + authCmd);
System.out.println("删除已经存在的key :" + client.exec("del k97"));
for (int i = 1; i <= 10000; i++) {
String cmd = "pfadd k97 " + i;
client.exec(cmd);
String cmd2 = "pfcount k97 ";
String exec = client.exec(cmd2);
System.out.println("执行命令:" + cmd + " 返回结果:" + exec); // 返回的结果是未解析Redis协议的。
}
client.releases();插入完成之后，如下图，我们可以看到 pfCount 的结果是 9988.
如果不相信我们可以 在shell里看看。
127.0.0.1:6379> pfcount k97
(integer) 9988我这次测试正好相等，其实由于脚本的问题呢，从程序里获取的值和shell里获取的值，可能不一样，这种怎么解决呢？ 使用脚本单独再执行一次，就会一样了。具体原因，不赘述了。
好了，我们插入了10000次，但是得出的值却是 9988， 这也就验证了其不精确性。
PFMERGE destkey sourcekey [sourcekey ...]
将多个 HyperLogLog 合并（merge）为一个 HyperLogLog ， 合并后的 HyperLogLog 的基数接近于所有输入 HyperLogLog 的可见集合（observed set）的并集.
合并得出的 HyperLogLog 会被储存在目标变量（第一个参数）里面， 如果该键并不存在， 那么命令在执行之前， 会先为该键创建一个空的 HyperLogLog.
127.0.0.1:6379> pfadd k98 v1 v2 v3
(integer) 1
127.0.0.1:6379> pfadd k98_1 v2 v3 v4
(integer) 1
127.0.0.1:6379> pfadd k98_2 v3 v4 v5
(integer) 1
127.0.0.1:6379> pfmerge k98 k98_1 k98_2
OK
127.0.0.1:6379> pfcount k98
(integer) 5
127.0.0.1:6379> pfcount k98_1
(integer) 3
127.0.0.1:6379> pfcount k98_2
(integer) 3以上就是 HyperLogLog 的命令，老规矩我们下一步来看看 HyperLogLog在Redis中是怎么实现的。
HyperLogLog的结构
在 Clion 中直接查找hyperloglog ，就是 hyperloglog 的实现了。
我们可以看到有一个 struct
struct hllhdr {
char magic[4]; /* 魔数: "HYLL" */
uint8_t encoding; /* HLL_DENSE或HLL_SPARSE */
uint8_t notused[3]; /* 保留以供将来使用，必须为零。 */
uint8_t card[8]; /* 缓存基数，小端。 */
uint8_t registers[]; /* 数据字节。 */
};这个就是 HyperLogLog 的存储结构了。这里大家大体有个印象就可以了。HyperLogLog是一种基数估算算法的实现。后面我们会介绍这种基数估算法。
预告
最后一个 数据类型 geohash (多维空间点索引算法)！！！
最后
希望与你一起遇见更好的自己
