hyperloglog是一种基于概率的基数计数数据结构，所谓基数计数，即是：

基数计数(cardinality counting)通常用来统计一个集合中不重复的元素个数，例如统计某个网站的UV，或者用户搜索网站的关键词数量。数据分析、网络监控及数据库优化等领域都会涉及到基数计数的需求。
大数据量背景下，要实现基数计数，首先需要确定存储统计数据的方案，以及如何根据存储的数据计算基数值；另外还有一些场景下需要融合多个独立统计的基数值，例如对一个网站分别统计了三天的UV，现在需要知道这三天的UV总量是多少，怎么融合多个统计值

对于基数计数，常用的方法有很多，B+树，bitmap，概率算法等等，这里，我们主要讨论概率算法中的一种，即为hyperloglog，常见的概率算法如下：

Hyperloglog的原理涉及到统计学知识，此处就省略了，想要详细了解的，可以参考神奇的HyperLogLog算法,这里主要是讨论中redis中hyperloglog的使用。

• redis中已经提供了hyperloglog这种高级数据结构来解决基数计数问题，HyperLogLog 提供不精确的去重计数方案，虽然不精确但是也不是非常不精确，标准误差是 0.81%，这样的精确度已经可以满足大部分精确的基数计数问题了。
• HyperLogLog 提供了两个指令 pfadd 和 pfcount，根据字面意义很好理解，一个是增加计数，一个是获取计数。pfadd 用法和 set 集合的 sadd 是一样的，来一个用户 ID，就将用户 ID 塞进去就是。pfcount 和 scard 用法是一样的，直接获取计数值
  
  可以看到，hyperloglog的计数还是很精确的，要实验跟大数据下他的表现，就得各位自己去体验了。