perl - redis HLL 误报太多

Question

Hyperlog日志是一种概率算法根据 redis HLL 文档，我们可以得到 0.81% 的错误，但我得到 17-20% 的错误

我认为有问题.. 这是我的简单 perl 测试脚本。有没有错误

#!/usr/bin/perl -w                                                                                                                                                       
use Redis;
my $redis = Redis->new(server=>'192.168.50.166:6379') or die;
my $fp=0;
my $HLL="HLL";

$redis->del($HLL);
foreach my $i (1..10000) {
  my $s1 = $redis->pfadd($HLL,$i);
  if($s1 == 0){ 
    print "False positive on $i\n";
    $fp++;
  }
}
print "count of false positives $fp\n";

Answer 1

HyperLogLog 用于计算唯一项目。它可以用很少的内存来计算大量的项目。但是，返回的基数并不精确，而是近似于标准错误。

0.81% 是标准错误，而不是误报。对于您的实例，您可以调用 PFCOUNT HLL 来获取您放入 HyperLogLog 中的唯一项目的近似数量。返回的数字应在 [10000 * (1 - 0.81%), 10000 * (1 + 0.81%)] 范围内。

PFADD 如果估计的基数在执行命令后发生更改，则返回 1。否则返回 0。它与 false positive 无关。

看来你需要的是一个Bloom Filter ，它可以告诉您某个项目是否已存在于数据集中，但存在误报。当然，您可以使用 Redis 实现 Bloom Filter。并且应该有一些开源项目。