נתוני ליבהאנליטיקה

ספירה בקנה מידה גדול עם מבנים הסתברותיים

מבקרים ייחודיים, “האם ראינו את זה?”, הפריטים המובילים ותדירויות על פני מיליארדי אירועים, כל אחד בכמות קטנה וקבועה של זיכרון.

מבנים הסתברותיים: 4
זיכרון לכל מבנה: קבוע
גבולות שגיאה: ידועים

צעד 1 מתוך 5

מבקרים ייחודיים

מוסיפים מזהי מבקרים ל-HyperLogLog. הזיכרון נשאר קטן בכל כמות שמגיעה.

סשן לדוגמהplaying

# מבקרים ייחודיים

hotkv> PFADD visitors:2026-10-16 user:42 user:77 user:91

(integer) 1

הדגמה מונפשת עם פקודות HotKV אמיתיות ותשובות לדוגמה. לחצו על כל שלב כדי לעבור אליו. הפקודות והתשובות נשארות באנגלית, בדיוק כפי שמקלידים ורואים ב-HotKV.

הבעיה

תשובות מדויקות ל“כמה משתמשים ייחודיים”, “האם כבר שלחנו את האימייל הזה” או “מהם החיפושים המובילים” דורשות זיכרון שגדל עם כל פריט נפרד. במיליארדי אירועים זה הופך לגיגה-בייטים של קבוצות ומונים לכל שאלה.

איך HotKV מטפל בזה

מבנים הסתברותיים מחליפים שגיאה קטנה וידועה בזיכרון קבוע. HyperLogLog סופר פריטים נפרדים, מסנני Bloom עונים על חברוּת, Top-K עוקב אחר הפריטים השכיחים ביותר ו-Count-min sketches מעריכים באיזו תדירות פריט כלשהו הופיע. כל הארבעה מובנים ב-HotKV.

צעד אחר צעד

מה קורה, פקודה אחר פקודה

01
מבקרים ייחודיים
מוסיפים מזהי מבקרים ל-HyperLogLog. הזיכרון נשאר קטן בכל כמות שמגיעה.
PFADD visitors:2026-10-16 user:42 user:77 user:91
02
כמה?
הערכה של מבקרים נפרדים עם שגיאת תקן קטנה.
PFCOUNT visitors:2026-10-16
03
לעולם לא שולחים פעמיים
לפני שליחת אימייל של קמפיין, בודקים אם הכתובת הזו כבר קיבלה אותו.
BF.EXISTS sent:campaign:fall ada@example.com
04
החיפושים המובילים
Top-K שומר את הפריטים השכיחים ביותר תוך כדי זרימת האירועים.
TOPK.LIST searches:today WITHCOUNT
05
באיזו תדירות לכל פריט
Count-min sketch מעריך את הספירה של כל פריט, ברשימה או לא.
CMS.QUERY pageviews /home /pricing /blog