拼多多面试真题：如何用 Redis 统计独立用户访问量！

作者：沙茶敏碎碎念文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

众所周至，拼多多的待遇也是高的可怕，在挖人方面也是不遗余力，对于一些工作 3 年的开发，稍微优秀一点的，都给到 30K 的 Offer。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

当然，拼多多加班也是出名的，一周上 6 天班是常态，每天工作时间基本都是超过 12 个小时，也是相当辛苦的。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

废话不多说，今天我们来聊一聊拼多多的一道后台面试真题，是一道简单的架构类的题目：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

拼多多有数亿的用户，那么对于某个网页，怎么使用 Redis 来统计一个网站的用户访问数呢？文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

使用 Hash文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

哈希是 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 映射到哈希表上，如果是遇到关键字冲突，那么就会拉出一个链表出来。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

当一个用户访问的时候，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，那么我们也能够前端页面随机生成一个 key 用来标识用户。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

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 可以使用用户的 id 或者随机标识，value 可以简单设置为 1。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

当我们要统计某一个网站某一天的访问量的时候，就可以直接使用 HLEN 来得到最终的结果了。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

优点：简单，容易实现，查询也是非常方便，数据准确性非常高。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

缺点：占用内存过大，随着 key 的增多，性能也会下降。小网站还行，拼多多这种数亿 PV 的网站肯定受不了文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

使用 Bitset文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

我们知道，对于一个 32 位的 int，如果我们只用来记录 id，那么只能够记录一个用户，但如果我们转成 2 进制，每位用来表示一个用户，那么我们就能够一口气表示 32 个用户，空间节省了 32 倍！文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

对于有大量数据的场景，如果我们使用 bitset，那么，可以节省非常多的内存。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

对于没有登陆的用户，我们也可以使用哈希算法，把对应的用户标识哈希成一个数字 id。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

bitset 非常的节省内存，假设有 1 亿个用户，也只需要 100000000/8/1024/1024 约等于 12 兆内存。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

Redis 已经为我们提供了 SETBIT 的方法，使用起来非常的方便。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

我们可以看看下面的例子：文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

最后我们通过 BITCOUNT 可以统计该网页每天的访问数量。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

优点占用内存更小，查询方便，可以指定查询某个用户，数据可能略有瑕疵，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。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

缺点如果用户非常的稀疏，那么占用的内存可能比方法一更大。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

使用概率算法文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

对于拼多多这种多个页面都可能非常多访问量的网站，如果所需要的数量不用那么准确，可以使用概率算法，事实上，我们对一个网站的 UV 的统计，1 亿跟 1 亿零 30 万其实是差不多的。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

在 Redis 中，已经封装了 HyperLogLog 算法，他是一种基数评估算法。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

这种算法的特征，一般都是数据不存具体的值，而是存用来计算概率的一些相关数据。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

当用户访问网站的时候，我们可以使用 PFADD 命令，设置对应的命令，最后我们只要通过 PFCOUNT 就能顺利计算出最终的结果，因为这个只是一个概率算法，所以可能存在 0.81% 的误差。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

优点占用内存极小，对于一个 key，只需要 12kb。对于拼多多这种超多用户的特别适用。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

缺点查询指定用户的时候，可能会出错，毕竟存的不是具体的数据。总数也存在一定的误差。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html

好了，上面就是常见的 3 种适用 Redis 统计网站用户访问数的方法了。文章源自菜鸟学院-https://www.cainiaoxueyuan.com/bc/14879.html