用Redis bitmap统计活跃用户、留存

Spool的开发者博客，描述了Spool利用Redis的bitmaps相关的操作，进行网站活跃用户统计工作。

原文：http://blog.getspool.com/2011/11/29/fast-easy-realtime-metrics-using-redis-bitmaps/

　　Redis支持对String类型的value进行基于二进制位的置位操作。通过将一个用户的id对应value上的一位，通过对活跃用户对应的位进行置位，就能够用一个value记录所有活跃用户的信息。如下图所未，下图中的bitmap有9个位被置为1，表示这9个位上对应的用户是今天的活跃用户。其中第15位表示uid为15的用户，第一位表示uid为0的用户。(如果你的uid不是从1开始的，比如从100000开始，实际上你也可以相应的用uid减去初始值来表示其位数，比如1000000用户对应到bitmap的第一位)

　　

　　具体的代码类似下面这样：

redis.setbit(play:yyyy-mm-dd, user_id, 1)

　　这样一次记录的复杂度是O(1)，在Redis中速度非常快。

　　而我们通过每天换用一个不同的key来将每天的活跃用户状态记录分开存。并且可以通过一些与或运算计算出N天活跃用户，和连接N天活跃用户这样的统计数据。

　　如下图，第一行表示星期一的活跃用户情况，第二行表示周二的，以此类推。为样我们通过对N天的活跃用户记录取并集操作，就能得出在N天内活跃过的用户列表。

　　

　　下面表格表示对应一天，一周，一个月统计时所花费的时间。

　　

　　下面是具体的java代码片断：

　　算出一天的活跃用户数量

import redis.clients.jedis.Jedis;

import java.util.BitSet;

...

  Jedis redis = new Jedis("localhost");

...

  public int uniqueCount(String action, String date) {

    String key = action + ":" + date;

    BitSet users = BitSet.valueOf(redis.get(key.getBytes()));

    return users.cardinality();

  }

　　计算某几个内活跃用户的数量(某一天活跃就算，所以是取并集)

import redis.clients.jedis.Jedis;

import java.util.BitSet;

...

  Jedis redis = new Jedis("localhost");

...

  public int uniqueCount(String action, String... dates) {

    BitSet all = new BitSet();

    for (String date : dates) {

      String key = action + ":" + date;

      BitSet users = BitSet.valueOf(redis.get(key.getBytes()));

      all.or(users);

    }

    return all.cardinality();

  }

　　具体的用法还很多，比如你还可以对独特终端的用户单独记一个bitmap，这样就可以统计不同终端用户的活跃情况。有的同学会说用set也能实现同样的效果。但使用set在内存使用量上是会大很多的。

==========================================================================

看完这篇文章后，我测试了一下：

redis> SETBIT bit 10086 1

(integer) 0

redis> GETBIT bit 10086

(integer) 1



对使用大的offset的 SETBIT 操作来说，第一次内存分配可能造成 Redis 服务器被阻塞.因为Redis需要生成很长的二进制系列。

问题：

如果活跃用户在百万级别，使用Redis BitMap很划算。

如果如果活跃用户很少，而用户id都是10位以上的int。那就很浪费内存了。那还不如使用set集合呢。然后求交集就可以了。

我们可以计算内存：offset = 999 999 999 =》需要的内存999 999 999/8/1024/1024 = 119M左右。

如果统计的数据还有很多维度，且维度组合有上千种，使用这个方式就不划算。我们可以借鉴bitmap使用另外的方式来统计活跃留存：

留存的指标:

    次日注册留存、

    2日注册留存...

    N日注册留存，

    比如昨天注册了1000名用户中，在今天有300名用户又登录了，那么对应于昨天的注册留存就是30%；

从总体上看，这些指标依赖于核心变量——用户访问时间。

那我们可以使用bitMap来记录用户访问时间：



如果我们统计时间是从2013年开始，那么2013-01-01就是bit的第一位...以此类推，

2013年的最后一天，即是bit位的第365位。



这样我们已经记录用户所有天的是否登录。

然后我们计算留存：

留存计算：

  1) 计算当天时间，对应对应的bit位，如今他是7月01日，bit位是182.

  2）次日留存：

     查看bit的（182-1）=181位是否存在，若存在，留存数+1

     N日留存： 

     查看bit的（182-n）位是否存在，若存在，n日留存数+1

我们再来估算占用空间。一年365bit位。1000万用户，占用的空间=1000万 * 365bit/8 /1024/1024 = 430M