Bitmap 位圖
- 位圖不是特殊的數據結構，它其實就是普通的字符串，也就是 byte 數組，用 getbit 和 setbit 來操作，能夠統計精確的值。
- 可以用於布爾型數據的存取，比如用戶一年的簽到記錄，簽到了是1，沒簽到是0，記錄365天，通過 bitcount 指令來統計用戶一共簽到了多少天，每個簽到記錄只佔用一位，365位大約是46個字節大小，用戶上億時，大大節約了內存空間。
HyperLogLog
- 採用基數算法實現，它設有 16384 個桶進行獨立計數，也就是 2 的 14 次方，每個桶佔 6 位，2 的 14 次方乘以 6 再除以 8，就等於 12k 字節了。
- 佔用空間小，無論統計多少個數據，最多佔用12K的內存。（redis 設有 16384個桶，每個桶裏的數據最多需要6位進行存儲，16384 x 6 / 8 約等於 12k 字節）
- 它統計值時存在誤差，標準誤差爲0.81%
HyperLogLog 使用場景
- 根據用戶的IP來統計訪問量，需要去重，同一個用戶一天之內的多次訪問請求只能計數一次，所以每個網頁請求都需要帶上用戶的ID，無論是登錄用戶還是未登錄的遊客，都需要一個唯一ID來標識。
- 最開始容易想到的是爲每一個頁面設置一個獨立的 set 集合來存儲當天訪問該頁面的所有用戶ID，但如果頁面訪問量非常大，比如幾千萬的 UV，這樣 set 集合就會非常大，浪費了空間，而且對於這個 UV 值，一般情況下並不需要多麼的精確，比如 100 萬和 101 萬，對於這個場景，並沒什麼大的區別。所以想到了採用 redis 的 HyperLogLog 數據結構來實現。
- HyperLogLog 提供不精確的去重計數方案，標準誤差爲 0.81%，這個精確度已經可以滿足 UV 的統計需求了，而且佔用的內存不超過12k。