日活 UV 统计、爬虫 URL 去重、抽奖不重复等场景,如何选择合适的 Redis 数据类型(Set / Bitmap / HyperLogLog / 布隆过滤器)?
精确去重:用 Set 的 SADD + SCARD/SISMEMBER,适合中小规模、需判断「是否在集合内」的场景(如抽奖已中奖名单)。
位图判重:Bitmap(基于 String 的位运算)用 SETBIT/GETBIT,按用户 ID 位标记,省内存,适合「海量布尔标记」如签到、是否访问过。
基数统计:UV 只需「大约多少人」而非具体名单时,用 HyperLogLog 的 PFADD/PFCOUNT,12 KB 内存估数亿级基数,误差约 0.81%,代价是不存明细。
布隆过滤器式判重:Redis 本身无原生 BF 命令(部分模块/RedisBloom 提供),核心是用多位哈希降低误判;爬虫 URL 去重可用 Set(精确)或 HLL/Bitmap(近似)。选型:要精确明细用 Set,只要计数用 HLL,只要标记用 Bitmap。
题目与答案就在本页;收藏、批注和错题重练在应用内