Redis-用户签到&UV统计

一、用户签到

1.1 BitMap用法

我们按月来统计用户签到信息，签到记录为1,未签到记录为0

把每一个bit位对应当月的每一天，形成了映射关系。用0和1表示业务状态，这种思路就称为位。Redis中是用利用string类型数据结构实现BitMap，因此最大上限是512M，转换为bit则是 2^32个bit位。

BitMap的操作命令有：

SETBIT: 向指定位置（offset）存入一个0或1；
GETBIT: 获取指定位置（offset）的bit值；
BITCOUNT: 统计BitMap中值为1的bit位的数量；
BITFIELD: 操作（查询、修改、自增）BitMap中bit数组中的指定位置（offset）的值；
BITFIELD_RO: 获取BitMap中bit数组，并以十进制形式返回；
BITOP: 将多个BitMap的结果做位运算（与、或、异或）；
BITPOS: 查找bit数组中指定范围内第一个0或1出现的位置；

1.2 签到功能

实现签到接口，将当前用户当天签到信息保存到Redis中

public Result sign() {
   // 1. 获取当前登录用户
    Long userId = UserHolder.getUser().getId();
    // 2. 获取日期，拼接key
    LocalDateTime now = LocalDateTime.now();
    String key = USER_SIGN_KEY +
            userId +
            now.format(DateTimeFormatter.ofPattern(":yyyyMM"));
    // 3. 获取今天是本月的第几天
    int dayOfMonth = now.getDayOfMonth();
    // 4. 写入 redis SETBIT key offset 1
    stringRedisTemplate.opsForValue().setBit(key, dayOfMonth - 1, true);
    return Result.ok();
}

1.3 签到统计

问题1：什么叫做连续签到天数？

从最后一次签到开始向前统计，知道遇到第一次未签到为止，计算总的签到次数，就是连续签到次数

问题2：如何得到本月到今天为止的所有签到数据？

问题3：如何从后向前遍历每个bit位？

与1做与运算，就能得到最后一个bit位。
随后右移1位，下一个bit位就成为了最后一个bit位。

@Override
public Result signCount() {
    // 1. 获取当前登录用户
    Long userId = UserHolder.getUser().getId();
    // 2. 获取日期，拼接key
    LocalDateTime now = LocalDateTime.now();
    String key = USER_SIGN_KEY +
            userId +
            now.format(DateTimeFormatter.ofPattern(":yyyyMM"));
    // 3. 获取今天是本月的第几天
    int dayOfMonth = now.getDayOfMonth();
    // 4. 获取本月截止今天为止的所有的签到记录，返回的是一个十进制的数字 BITFIELD sign:5:202203 GET u14 0
    List<Long> results = stringRedisTemplate.opsForValue().bitField(
            key,
            BitFieldSubCommands.create()
                    .get(BitFieldSubCommands.BitFieldType.unsigned(dayOfMonth))
                    .valueAt(0)
    );
    if (Objects.isNull(results) || CollectionUtils.isEmpty(results)) {
        return Result.ok(0);
    }
    Long num = results.get(0);
    if (Objects.isNull(num) || num == 0) {
        return Result.ok(0);
    }
    // 5. 循环遍历
    int count = 0;
    while (true) {
        // 6.1. 让这个数字与1做与运算，得到数字的最后一个bit位 // 判断这个bit位是否为0
        if ((num & 1) == 0) {
            // 如果为0，说明未签到，结束
            break;
        } else {
            // 如果不为0，说明已签到，计数器+1
            count++;
        }
        // 把数字右移一位，抛弃最后一个bit位，继续下一个bit位
        num >>>= 1;
    }
    return Result.ok(count);
}

二、UV统计

2.1 HyperLogLog用法

首先，我们搞懂两个概念：

• UV: 全称Unique Visitor，也叫独立访客量，是指通过互联网访问、浏览这个网页的自然人。1天内同一个用户多次访问该网站，只记录1次。
• PV: 全称Page View，也叫页面访问量或点击量，用户每访问网站的一个页面，记录1此PV，用户多次打开页面，则记录多次PV。往往用来衡量网站的流量。

UV统计在服务端做会比较麻烦，因为要判断该用户是否已经统计过了，需要将统计过的用户信息保存。但是每个访问的用户都保存到Redis中，数据量会非常恐怖

2.2 实现UV统计

我们直接利用单元测试，向HyperLogLog中添加100万条数据，看看内存占用和统计效果如何：

@Test
void testHyperLogLog() {
     String[] values = new String[1000];
     int j = 0;
     for (int i = 0; i < 1000000; i++) {
         j = i % 1000;
         values[j] = "user_" + i;
         if (j == 999) {
             // 发送到Redis
             stringRedisTemplate.opsForHyperLogLog().add("hl2", values);
         }
     }
     // 统计数量
     Long count = stringRedisTemplate.opsForHyperLogLog().size("hl2");
     System.out.println("count = " + count);
 }

运行结果：

count = 997593

查看内存（命令：info memory）

• 插入数据之前
  
• 插入数据之后
  
• 计算
  （1396913 - 1366928）/ 1024
  

2.3 总结

• HyperLogLog的作用：
  • 做海量数据的统计工作
• HyperLogLog的优点：
  • 内存占用极低；
  • 性能非常好；
• HyperLogLog的缺点：
  • 有一定的误差