Web- en app-analytics
Dagelijkse en maandelijkse unieke gebruikers per pagina of functie, samengevoegd over dagen met PFMERGE.
KerndataAnalytics
Tellen op schaal met probabilistische structuren
Unieke bezoekers, "hebben we dit gezien?", topitems en frequenties over miljarden gebeurtenissen, elk in een kleine, vaste hoeveelheid geheugen.
- probabilistische structuren
- 4
- geheugen per structuur
- Vast
- foutmarges
- Bekende
Stap 1 van 5
Unieke bezoekers
Voeg bezoeker-id's toe aan een HyperLogLog. Het geheugen blijft klein, hoeveel er ook binnenkomen.
Voorbeeldsessieplaying
# Unieke bezoekers
hotkv> PFADD visitors:2026-10-16 user:42 user:77 user:91
(integer) 1
Een geanimeerde walkthrough met echte HotKV-commando's en voorbeeldantwoorden. Klik op een stap om ernaartoe te springen. Commando's en antwoorden blijven Engels, precies zoals je ze in HotKV typt en ziet.
Het probleem
Exacte antwoorden op "hoeveel unieke gebruikers", "hebben we deze e-mail eerder verstuurd" of "wat zijn de populairste zoekopdrachten" vragen geheugen dat met elk afzonderlijk item groeit. Bij miljarden gebeurtenissen worden dat gigabytes aan sets en tellers per vraag.
Hoe HotKV het aanpakt
Probabilistische structuren ruilen een kleine, bekende fout in voor constant geheugen. HyperLogLog telt afzonderlijke items, Bloomfilters beantwoorden lidmaatschap, Top-K houdt de meest voorkomende items bij en Count-Min Sketches schatten hoe vaak een item voorkwam. Alle vier zijn ingebouwd in HotKV.
Stap voor stap
Wat er gebeurt, commando voor commando
- 01
Unieke bezoekers
Voeg bezoeker-id's toe aan een HyperLogLog. Het geheugen blijft klein, hoeveel er ook binnenkomen.
PFADD visitors:2026-10-16 user:42 user:77 user:91 - 02
Hoeveel?
Een schatting van afzonderlijke bezoekers met een kleine standaardfout.
PFCOUNT visitors:2026-10-16 - 03
Nooit twee keer versturen
Controleer vóór het versturen van een campagnemail of dit adres hem al heeft gekregen.
BF.EXISTS sent:campaign:fall ada@example.com - 04
Populairste zoekopdrachten
Top-K houdt de meest voorkomende items bij terwijl gebeurtenissen binnenstromen.
TOPK.LIST searches:today WITHCOUNT - 05
Hoe vaak voor een willekeurig item
Een Count-Min Sketch schat de telling van elk item, vermeld of niet.
CMS.QUERY pageviews /home /pricing /blog
Waar het past
Praktijkscenario's
E-mail en notificaties
Bloomfilters voorkomen dubbele verzendingen over retries en campagnes heen.
Zoeken en commerce
Populairste zoekopdrachten en meest bekeken producten worden live bijgehouden voor merchandising.
Ingebouwd
Wat je krijgt
HyperLogLog
Aantallen van afzonderlijke items, samen te voegen over buckets.
PFADDPFCOUNTPFMERGEBloomfilters
Lidmaatschap met een instelbaar percentage valse positieven.
BF.RESERVEBF.ADDBF.EXISTSTop-K
De meest voorkomende items in een stroom.
TOPK.ADDTOPK.LISTCount-Min Sketch
Frequentieschattingen voor elk item.
CMS.INCRBYCMS.QUERYVeelgestelde vragen
Hoe nauwkeurig zijn ze?
Bij Bloomfilters stel je het foutpercentage in, bij Count-Min Sketches de breedte en diepte. HyperLogLog heeft een kleine, vaste standaardfout.
Kan een Bloomfilter iets missen wat hij heeft gezien?
Nee. Hij kan een vals positief melden, nooit een vals negatief.
Heb ik een module nodig?
Nee. Ze maken deel uit van HotKV.
Verwante use cases
Probeer het op je eigen workload
HotKV spreekt het Redis-protocol, dus je kunt een bestaande client erop richten en dezelfde commando's uitvoeren.