Analitică web și de aplicații
Utilizatori unici zilnici și lunari pe pagină sau funcție, uniți între zile cu PFMERGE.
Date de bazăAnalitică
Numărare la scară mare cu structuri probabilistice
Vizitatori unici, „am mai văzut asta?”, elemente de top și frecvențe peste miliarde de evenimente, fiecare într-o cantitate mică și fixă de memorie.
- structuri probabilistice
- 4
- memorie pe structură
- Fixă
- limite de eroare
- Cunoscute
Pasul 1 din 5
Vizitatori unici
Adăugați id-uri de vizitatori într-un HyperLogLog. Memoria rămâne mică, oricâți ar sosi.
Sesiune de exempluplaying
# Vizitatori unici
hotkv> PFADD visitors:2026-10-16 user:42 user:77 user:91
(integer) 1
O demonstrație animată cu comenzi HotKV reale și răspunsuri de exemplu. Faceți clic pe orice pas pentru a sări la el. Comenzile și răspunsurile rămân în engleză, exact așa cum le tastați și le vedeți în HotKV.
Problema
Răspunsurile exacte la „câți utilizatori unici”, „am mai trimis acest e-mail” sau „care sunt cele mai frecvente căutări” cer memorie care crește cu fiecare element distinct. La miliarde de evenimente, asta devine gigaocteți de seturi și contoare pe întrebare.
Cum o rezolvă HotKV
Structurile probabilistice schimbă o eroare mică și cunoscută pe memorie constantă. HyperLogLog numără elementele distincte, filtrele Bloom răspund la apartenență, Top-K urmărește cele mai frecvente elemente, iar Count-min sketches estimează de câte ori a apărut orice element. Toate patru sunt integrate în HotKV.
Pas cu pas
Ce se întâmplă, comandă cu comandă
- 01
Vizitatori unici
Adăugați id-uri de vizitatori într-un HyperLogLog. Memoria rămâne mică, oricâți ar sosi.
PFADD visitors:2026-10-16 user:42 user:77 user:91 - 02
Câți?
O estimare a vizitatorilor distincți, cu o eroare standard mică.
PFCOUNT visitors:2026-10-16 - 03
Nu trimiteți niciodată de două ori
Înainte de a trimite un e-mail de campanie, verificați dacă această adresă l-a primit deja.
BF.EXISTS sent:campaign:fall ada@example.com - 04
Cele mai frecvente căutări
Top-K păstrează cele mai frecvente elemente pe măsură ce evenimentele curg.
TOPK.LIST searches:today WITHCOUNT - 05
Cât de des pentru orice element
Un Count-min sketch estimează numărul oricărui element, listat sau nu.
CMS.QUERY pageviews /home /pricing /blog
Unde se potrivește
Scenarii din lumea reală
E-mail și notificări
Filtrele Bloom opresc trimiterile duplicate între reîncercări și campanii.
Căutare și comerț
Cele mai frecvente interogări și cele mai vizualizate produse sunt urmărite live pentru merchandising.
Integrat
Ce primiți
HyperLogLog
Numărători de elemente distincte, care se pot uni între intervale.
PFADDPFCOUNTPFMERGEFiltre Bloom
Apartenență, cu o rată configurabilă de fals pozitiv.
BF.RESERVEBF.ADDBF.EXISTSTop-K
Cele mai frecvente elemente dintr-un flux.
TOPK.ADDTOPK.LISTCount-min sketch
Estimări de frecvență pentru orice element.
CMS.INCRBYCMS.QUERYÎntrebări frecvente
Cât de precise sunt?
La filtrele Bloom puteți seta rata de eroare, iar la Count-min sketches lățimea și adâncimea. HyperLogLog are o eroare standard mică și fixă.
Poate un filtru Bloom să rateze ceva ce a văzut?
Nu. Poate raporta un fals pozitiv, niciodată un fals negativ.
Am nevoie de un modul?
Nu. Fac parte din HotKV.
Cazuri de utilizare înrudite
Încercați pe propria sarcină de lucru
HotKV vorbește protocolul Redis, așa că puteți îndrepta spre el un client existent și rula aceleași comenzi.