用Redis来搞用户登录那些统计数据，看看怎么快速又高效地算出登录情况

关于如何使用Redis来高效统计用户登录情况,核心思路是利用Redis内存数据库的极高读写速度和丰富的数据结构，来应对传统关系型数据库在高并发统计场景下的性能瓶颈，下面直接说明几种常见且实用的方法。

使用Bitmap进行海量用户活跃统计

Bitmap（位图）是处理大规模二值状态（如是/否，登录/未登录）统计的利器，它的原理非常简单：用一个很长的二进制位数组来表示状态，每个用户ID对应数组中的一个位（bit），用户ID为1001的用户，我们就看第1001位的值是0还是1，0代表未登录，1代表代表当天登录过。

具体操作上,我们可以为每一天创建一个独立的Bitmap键，键名可以设计为 user:login:20231027（表示2023年10月27日），当用户ID为1001的用户登录时，就执行一条Redis命令：SETBIT user:login:20231027 1001 1，这条命令的执行速度极快，几乎是常数时间复杂度。

它的巨大优势在于：

1. 极其节省空间：存储4000万用户的登录状态，一个Bitmap只需要大约5MB的内存（4000万 bit / 8 / 1024 / 1024 ≈ 4.77MB），成本极低。
2. 统计速度飞快：Redis提供了直接计算位图统计的命令。
   • 想知道今天有多少用户登录了：BITCOUNT user:login:20231027，命令会直接返回设置为1的位的总数，也就是当日活跃用户数（DAU）。
   • 想知道用户1001在过去一周内哪几天登录过：可以对 user:login:20231021 到 user:login:20231027 这7个Bitmap进行 BITOP OR 位运算，然后查看结果中1001位的值，或者直接对指定位置进行查询。
   • 想知道连续7天都登录的用户数：可以通过 BITOP AND 将7天的Bitmap进行“与”运算，得到的新Bitmap中所有为1的位，就代表了这7天都登录的用户，再用 BITCOUNT 统计总数即可。

这种方法非常适合计算每日、每周、每月的活跃用户，以及用户的留存率等指标，参考《Redis实战》一书中对Bitmap的应用案例，它被广泛用于实现类似“用户签到”等功能，其效率是传统SQL的COUNT(DISTINCT user_id)语句无法比拟的。

使用HyperLogLog进行近似去重统计

我们并不需要一个绝对精确的登录用户数,而是可以接受一个带有微小误差的近似值，比如统计一个大型活动的独立访客数（UV），在这种情况下，HyperLogLog（HLL）是比Bitmap更节省空间的选择。

HLL是一种概率算法,它可以用极小的内存空间（每个HLL键大约只需要12KB）来统计最多2^64个不重复元素的基数（唯一值数量），无论你要统计1万个用户还是10亿个用户，它都只占用约12KB内存。

使用方法同样简单：

• 用户1001登录时,执行 PFADD login:20231027 1001。
• 获取当日登录用户数的近似值,执行 PFCOUNT login:20231027。

HLL的强大之处还在于支持合并操作,要统计本周的总登录用户数（去重），可以直接执行 PFMERGE login:this_week login:20231021 login:20231022 ... login:20231027，然后对合并后的键 login:this_week 执行 PFCOUNT，这在统计周活跃用户（WAU）、月活跃用户（MAU）时非常方便。

需要注意的是,HLL的统计结果有约0.81%的标准误差，这意味着如果实际值是10000，那么PFCOUNT的结果可能在9919到10081之间，但对于宏观的趋势分析，这个精度通常是可以接受的，根据Redis官方文档的描述，HLL是实现大规模去重计数的最佳选择之一。

使用Sorted Set进行实时排行榜和区间查询

如果我们不仅想知道用户是否登录,还想记录其登录的精确时间戳，并据此做排行榜或查询某个时间段内的登录用户，Sorted Set（有序集合）就派上用场了。

我们可以创建一个Sorted Set，比如键名为 user:login:timeline，当用户登录时，我们将当前的时间戳作为分数（score），用户ID作为成员（member）存入：ZADD user:login:timeline 1698393600 1001。

这样,我们可以实现以下功能：

1. 最新登录用户榜：由于Sorted Set默认按分数升序排列，要获取最近登录的N个用户，可以使用 ZREVRANGE user:login:timeline 0 N-1 WITHSCORES 命令进行逆序查询。
2. 统计某个时间段的登录人数：比如想统计今天上午10点到12点之间的登录用户数，可以执行 ZCOUNT user:login:timeline 1698393600 1698400800（假设这两个数字是10点和12点的时间戳），这个命令会快速返回分数在该区间内的成员数量。
3. 查询单个用户的最近登录时间：使用 ZSCORE user:login:timeline 1001 即可获取用户1001的最后一次登录时间戳。

虽然Sorted Set占用的内存会比Bitmap大，但它提供了基于时间的排序和范围查询能力，非常适合需要时间维度的精细统计场景。

总结与组合使用

在实际项目中,这些方法往往不是孤立的，而是根据业务需求组合使用：

• 用 Bitmap 来精确、低成本地计算每日活跃和留存。
• 用 HyperLogLog 来宏观、高效地统计大盘的去重用户量。
• 用 Sorted Set 来记录详细登录流水，实现排行榜和精准时间区间查询。

可以将Redis计算出的结果定期持久化到MySQL等关系型数据库中,用于长期存储和更复杂的离线分析，这样既利用了Redis的性能优势，又保证了数据的可靠性，这种架构在互联网公司中非常普遍，是处理高并发用户行为统计的有效方案。