Запропонувати правку

Покращити цю статтю

Допрацюйте відповідь до «Що таке HyperLogLog?». Ваші зміни проходять модерацію перед публікацією.

Потрібне підтвердження

Контент

Що ви змінюєте

Заголовок (UA)

Коротка відповідь (UA)

Показується над повною відповіддю для швидкого нагадування.

Відповідь (UA)

**HyperLogLog (HLL) у Redis** - це **імовірнісна структура даних** для **підрахунку кількості унікальних елементів** (cardinality) **з мінімальними витратами пам'яті**.

## Простими словами

Якщо тобі потрібно дізнатися:

- скільки **унікальних користувачів** зайшло на сайт,
- скільки **унікальних IP / подій / ID** було,
- і при цьому **не зберігати всі значення**,

→ **HyperLogLog** вирішує цю задачу **дуже ефективно**.

## Ключові властивості

| Властивість | Значення |
|---|---|
| Тип | Імовірнісний алгоритм |
| Призначення | Підрахунок унікальних значень |
| Пам'ять | ~12 КБ **незалежно від кількості елементів** |
| Точність | ≈ **±0.81%** |
| Швидкість | Дуже висока |
| Зберігає самі значення? | Ні |

Важливо: HLL **не повертає самі елементи**, лише **наближену кількість**.

## Як працює (інтуїтивно)

1. Елементи **хешуються**
2. Аналізується розподіл бітів
3. За математичною моделлю оцінюється кількість унікальних значень

Redis зберігає **компактне статистичне представлення**, а не список значень.

## Команди Redis для HyperLogLog

### `PFADD` - додати елементи

```redis
PFADD users 1 2 3 4
```

### `PFCOUNT` - отримати кількість унікальних

```redis
PFCOUNT users
```

### `PFMERGE` - об'єднати кілька HLL

```redis
PFMERGE all_users users_day1 users_day2
```

## Приклад реального кейсу

### Унікальні користувачі за день

```redis
PFADD visitors:2025-12-22 user_123
PFADD visitors:2025-12-22 user_456
PFCOUNT visitors:2025-12-22
```

Навіть якщо користувачів **10 млн**, пам'ять все одно ~12 КБ.

## Порівняння з іншими підходами

### Set

```redis
SADD users user1 user2 user3
SCARD users
```

| Set | HyperLogLog |
|---|---|
| Точно | Наближено |
| Зберігає значення | Ні |
| Пам'ять росте | Пам'ять фіксована |
| Підходить для аналітики | Так |

## Коли варто використовувати HyperLogLog

Чудово підходить для:

- DAU / MAU / WAU
- аналітики трафіку
- подій, кліків, переглядів
- великих систем (мільйони / мільярди ID)

Не підходить, якщо:

- потрібна **100% точність**
- потрібно **перебирати елементи**
- потрібен `exists`, `remove`

## Часті питання

### Наскільки велика похибка?

Близько **0.81%**
Наприклад:

- реальне значення: `1 000 000`
- результат: `~992 000 - 1 008 000`

### Чи можна зменшити похибку?

Ні, у Redis - розмір і точність фіксовані реалізацією.

### Чи можна видаляти елементи?

Ні. Лише додавання.

## Коротка формула вибору

> **Потрібна унікальна кількість + багато даних + мінімальна пам'ять → HyperLogLog**

Markdown · перетягуйте зображення · ⌘B / ⌘I шорткати366 слів

Для рев’юера

Примітка для модератора (необов’язково)

Бачить лише модератор. Прискорює рев’ю.