Analisi web e app
Utenti unici giornalieri e mensili per pagina o funzionalità, uniti tra i giorni con PFMERGE.
Dati di baseAnalisi
Conteggi su larga scala
Visitatori unici, "l'abbiamo già visto?", elementi principali e frequenze su miliardi di eventi, ciascuno in una quantità di memoria piccola e fissa.
- strutture probabilistiche
- 4
- memoria per struttura
- Fissa
- limiti di errore
- Noti
Passo 1 di 5
Visitatori unici
Aggiungi gli id dei visitatori a un HyperLogLog. La memoria resta piccola, per quanti ne arrivino.
Sessione di esempioplaying
# Visitatori unici
hotkv> PFADD visitors:2026-10-16 user:42 user:77 user:91
(integer) 1
Una dimostrazione animata con comandi HotKV reali e risposte di esempio. Clicca su un passo qualsiasi per andarci. Comandi e risposte restano in inglese, esattamente come li digiti e li vedi in HotKV.
Il problema
Le risposte esatte a "quanti utenti unici", "abbiamo già inviato questa email" o "quali sono le ricerche principali" richiedono memoria che cresce con ogni elemento distinto. Con miliardi di eventi diventano gigabyte di set e contatori per ogni domanda.
Come lo gestisce HotKV
Le strutture probabilistiche scambiano un errore piccolo e noto con una memoria costante. HyperLogLog conta gli elementi distinti, i filtri Bloom rispondono sull'appartenenza, Top-K tiene traccia degli elementi più frequenti e i Count-min sketch stimano quante volte si è presentato un elemento qualsiasi. Tutte e quattro sono integrate in HotKV.
Passo dopo passo
Cosa succede, comando per comando
- 01
Visitatori unici
Aggiungi gli id dei visitatori a un HyperLogLog. La memoria resta piccola, per quanti ne arrivino.
PFADD visitors:2026-10-16 user:42 user:77 user:91 - 02
Quanti?
Una stima dei visitatori distinti con un piccolo errore standard.
PFCOUNT visitors:2026-10-16 - 03
Mai inviare due volte
Prima di inviare l'email di una campagna, controlla se questo indirizzo l'ha già ricevuta.
BF.EXISTS sent:campaign:fall ada@example.com - 04
Ricerche principali
Top-K mantiene gli elementi più frequenti man mano che arrivano gli eventi.
TOPK.LIST searches:today WITHCOUNT - 05
Quante volte per un elemento qualsiasi
Un Count-min sketch stima il conteggio di qualsiasi elemento, che sia in elenco o no.
CMS.QUERY pageviews /home /pricing /blog
Dove si usa
Scenari reali
Email e notifiche
I filtri Bloom impediscono gli invii duplicati tra retry e campagne.
Ricerca e commercio
Le query principali e i prodotti più visti vengono tracciati dal vivo per il merchandising.
Integrato
Cosa ottieni
HyperLogLog
Conteggi distinti, unibili tra bucket.
PFADDPFCOUNTPFMERGEFiltri Bloom
Appartenenza con un tasso di falsi positivi configurabile.
BF.RESERVEBF.ADDBF.EXISTSTop-K
Gli elementi più frequenti in uno stream.
TOPK.ADDTOPK.LISTCount-min sketch
Stime di frequenza per qualsiasi elemento.
CMS.INCRBYCMS.QUERYDomande frequenti
Quanto sono precise?
I filtri Bloom ti permettono di impostare il tasso di errore, e i Count-min sketch larghezza e profondità. HyperLogLog ha un errore standard piccolo e fisso.
Un filtro Bloom può non riconoscere qualcosa che ha già visto?
No. Può segnalare un falso positivo, mai un falso negativo.
Mi serve un modulo?
No. Fanno parte di HotKV.
Casi d'uso correlati
Provalo sul tuo carico di lavoro
HotKV parla il protocollo Redis, quindi puoi puntarci un client esistente ed eseguire questi stessi comandi.