PFCOUNT：返回集合的近似基数
在使用 PFADD 命令对元素进行计数之后，用户可以通过执行 PFCOUNT 命令来获取 HyperLogLog 为集合计算出的近似基数：
PFCOUNT hyperloglog [hyperloglog ...]比如，通过执行以下命令，我们可以获取到 alphabets 这个 HyperLogLog 计算出的近似基数：
redis> PFCOUNT alphabets
(integer) 3PFCOUNT 命令的返回值为 3，这表示 HyperLogLog 算法认为 alphabets 目前已经计数过 3 个不同的元素。
另外，当用户给定的 HyperLogLog 不存在时，PFCOUNT 命令将返回 0 作为结果：
redis> PFCOUNT not-exists-hyperloglog
(integer) 0返回并集的近似基数
当用户向 PFCOUNT 传入多个 HyperLogLog 时，PFCOUNT 命令将对所有给定的 Hyper-LogLog 执行并集计算，然后返回并集 HyperLogLog 计算出的近似基数。
比如，我们可以创建两个 HyperLogLog，并分别使用这两个 HyperLogLog 去对两组字母进行计数：
redis> PFADD alphabets1 "a" "b" "c"
(integer) 1
redis> PFADD alphabets2 "c" "d" "e"
(integer) 1然后使用以下 PFCOUNT 命令获取这两个 HyperLogLog 进行并集计算之后得出的近似基数：
redis> PFCOUNT alphabets1 alphabets2
(integer) 5对多个 HyperLogLog 执行并集计算的效果与多个集合首先执行并集计算，然后再使用 HyperLogLog 去计算并集集合的近似基数的效果类似。
比如，上面的 PFCOUNT 命令就类似于以下这两条命令：
redis> PFADD temp-hyperloglog "a" "b" "c" "c" "d" "e"
(integer) 1
redis> PFCOUNT temp-hyperloglog
(integer) 5示例：优化唯一计数器
为了解决本章开头提到的唯一计数器的内存占用问题，我们可以使用 HyperLogLog 重新实现唯一计数器：无论被计数的元素有多少个，使用 HyperLogLog 实现的唯一计数器的内存开销总是固定的，并且因为每个 HyperLogLog 只占用 12KB 内存，所以即使程序使用多个 HyperLogLog，也不会带来明显的内存开销。
代码清单7-1展示了使用 HyperLogLog 重新实现的唯一计数器。
代码清单7-1 使用 HyperLogLog 实现的唯一计数器：/hyperloglog/unique_counter.py
class UniqueCounter:
def __init__(self, client, key):
self.client = client
self.key = key
def count_in(self, item):
"""
对给定元素进行计数。
"""
self.client.pfadd(self.key, item)
def get_result(self):
"""
返回计数器的值。
"""
return self.client.pfcount(self.key)以下代码展示了这个唯一计数器的使用方法：
>>> from redis import Redis
>>> from unique_counter import UniqueCounter
>>> client = Redis(decode_responses=True)
>>> counter = UniqueCounter(client, 'unique-ip-counter') # 创建一个唯一IP计数器
>>> counter.count_in('1.1.1.1') # 对3个IP进行计数
>>> counter.count_in('2.2.2.2')
>>> counter.count_in('3.3.3.3')
>>> counter.get_result() # 获取计数结果
3
>>> counter.count_in('3.3.3.3') # 尝试输入一个已经计数过的IP
>>> counter.get_result() # 计数器的结果没有发生变化
3通过使用 HyperLogLog 实现的唯一计数器去取代使用集合实现的唯一计数器，可以大幅降低存储唯一访客 IP 所需的内存数量，表7-2展示了这一点。
与集合实现的唯一计数器相比，使用 HyperLogLog 实现的唯一计数器并不会因为被计数元素的增多而变大，因此它无论是对 10 万个、100 万个还是 1000 万个唯一 IP 进行计数，计数器消耗的内存数量都不会发生变化。与此同时，这个新计数器即使在每天唯一 IP 数量达到 1000 万个的情况下，记录一年的唯一 IP 数量也只需要 4.32MB 内存，这比同等情况下使用集合去实现唯一计数器所需的内存要少得多。
示例：检测重复信息
在构建应用程序的过程中，我们经常需要与广告等垃圾信息做斗争。因为垃圾信息的发送者通常会使用不同的账号、在不同的地方发送相同的垃圾信息，所以寻找垃圾信息的一种比较简单、有效的方法就是找出那些重复的信息：如果两个不同的用户发送了完全相同的信息，或者同一个用户重复地发送了多次完全相同的信息，那么这些信息很有可能就是垃圾信息。
判断两段信息是否相同并不是一件容易的事情，如果使用一般的字符串比对函数（比如 strcmp）来完成这一操作，那么每当有用户尝试执行信息发布操作时，程序就需要执行复杂度为 O(N*M) 的比对操作，其中 N 为信息的长度，M 为系统目前已有的信息数量。
不难看出，随着系统存储的信息越来越多，这种比对操作将变得越来越慢，最终成为系统的瓶颈。
为了降低鉴别重复信息所需的复杂度，我们可以使用 HyperLogLog 来记录所有已发送的信息——每当用户发送一条信息时，程序就使用 PFADD 命令将这条信息添加到 HyperLogLog 中：
-
如果命令返回 1，那么这条信息就是未出现过的新信息。
-
如果命令返回 0，那么这条信息就是已经出现过的重复信息。
因为 HyperLogLog 使用的是概率算法，所以即使信息的长度非常长，HyperLogLog 判断信息是否重复所需的时间也非常短。另外，因为 HyperLogLog 并不会随着被计数信息的增多而变大，所以程序可以把所有需要检测的信息都记录到同一个 HyperLogLog 中，这使得实现重复信息检测程序所需的空间极大地减少。代码清单7-2展示了这个使用 HyperLogLog 实现的重复信息检测程序。
class DuplicateChecker:
def __init__(self, client, key):
self.client = client
self.key = key
def is_duplicated(self, content):
"""
在信息重复时返回 True ，未重复时返回 False 。
"""
return self.client.pfadd(self.key, content) == 0
def unique_count(self):
"""
返回检查器已经检查过的非重复信息数量。
"""
return self.client.pfcount(self.key)以下代码展示了如何使用 DuplicateChecker 程序检测并发现重复的信息：
>>> from redis import Redis
>>> from duplicate_checker import DuplicateChecker
>>> client = Redis(decode_responses=True)
>>> checker = DuplicateChecker(client, 'duplicate-message-checker')
>>> checker.is_duplicated("hello world!") # 输入一些非重复信息
False
>>> checker.is_duplicated("good morning!")
False
>>> checker.is_duplicated("bye bye")
False
>>> checker.unique_count() # 查看目前非重复信息的数量
3
>>> checker.is_duplicated("hello world!") # 发现重复信息
True检测重复信息这个问题实际上就是算法中的 “去重问题”，因此其他去重问题也可以使用 DuplicateChecker 程序中展示的方法来解决。