網站與應用程式分析
每個頁面或功能的每日與每月不重複使用者，並以 PFMERGE 跨日合併。
核心資料分析
以機率型結構進行大規模計數
不重複訪客、「我們看過這個嗎？」、熱門項目與頻率，橫跨數十億個事件，每一項都只用少量固定的記憶體。
- 種機率型結構
- 4
- 每個結構的記憶體
- 固定
- 誤差範圍
- 已知
步驟 1 ／ 5
不重複訪客
將訪客 ID 加入 HyperLogLog。無論來了多少，記憶體都維持很小。
範例工作階段playing
# 不重複訪客
hotkv> PFADD visitors:2026-10-16 user:42 user:77 user:91
(integer) 1
以真實 HotKV 指令與範例回覆呈現的動畫導覽。點擊任一步驟即可跳到該步驟。 指令與回覆維持英文，與您在 HotKV 中輸入及看到的完全一致。
問題
要精確回答「有多少不重複使用者」、「我們以前寄過這封電子郵件嗎」或「最熱門的搜尋是什麼」，需要的記憶體會隨著每個不同的項目而成長。在數十億個事件的規模下，每個問題都會變成好幾 GB 的集合與計數器。
HotKV 如何處理
機率型結構以微小且已知的誤差，換取固定的記憶體。HyperLogLog 計算不重複項目，Bloom filter 回答成員資格，Top-K 追蹤最頻繁的項目，而 Count-min sketch 則估算任一項目出現的次數。這四種都內建於 HotKV。
逐步說明
逐個指令看看發生了什麼事
- 01
不重複訪客
將訪客 ID 加入 HyperLogLog。無論來了多少，記憶體都維持很小。
PFADD visitors:2026-10-16 user:42 user:77 user:91 - 02
有多少？
不重複訪客數的估計值，標準誤差很小。
PFCOUNT visitors:2026-10-16 - 03
絕不寄兩次
寄出行銷活動電子郵件之前，先檢查這個地址是否已收到。
BF.EXISTS sent:campaign:fall ada@example.com - 04
熱門搜尋
Top-K 在事件持續湧入時，保留最頻繁的項目。
TOPK.LIST searches:today WITHCOUNT - 05
任一項目的頻率
Count-min sketch 可以估算任一項目的次數，無論它在不在清單中。
CMS.QUERY pageviews /home /pricing /blog
適用之處
真實世界的情境
電子郵件與通知
Bloom filter 能防止在重試與行銷活動之間重複寄送。
搜尋與商務
即時追蹤最熱門的查詢與最多人瀏覽的商品，供商品陳列使用。
內建
您能獲得什麼
HyperLogLog
不重複項目數，可跨區間合併。
PFADDPFCOUNTPFMERGEBloom filter
成員資格判斷，偽陽性率可設定。
BF.RESERVEBF.ADDBF.EXISTSTop-K
串流中最頻繁的項目。
TOPK.ADDTOPK.LISTCount-min sketch
任一項目的頻率估計。
CMS.INCRBYCMS.QUERY常見問題
它們有多準確？
Bloom filter 讓您設定誤差率，Count-min sketch 讓您設定寬度與深度。HyperLogLog 則有微小且固定的標準誤差。
Bloom filter 會漏掉它看過的東西嗎？
不會。它可能出現偽陽性，但絕不會出現偽陰性。
我需要模組嗎？
不需要。它們是 HotKV 的一部分。