HyperLogLog
digunakan untuk menghitung item unik. Itu dapat menghitung banyak item dengan sedikit memori. Namun, kardinalitas yang dikembalikan TIDAK tepat, tetapi diperkirakan dengan standard error
.
0,81% adalah standard error
, BUKAN positif palsu. Misalnya, Anda dapat memanggil PFCOUNT HLL
untuk mendapatkan perkiraan jumlah item unik yang Anda masukkan ke dalam HyperLogLog
. Nomor yang dikembalikan harus dalam kisaran [10000 * (1 - 0.81%), 10000 * (1 + 0.81%)]
.
PFADD
mengembalikan 1 jika perkiraan kardinalitas diubah setelah menjalankan perintah. Ini mengembalikan 0, jika tidak. Ini tidak ada hubungannya dengan false positive
.
Tampaknya yang Anda butuhkan adalah Filter Bloom, yang dapat memberi tahu Anda jika suatu item sudah ada dalam kumpulan data, dengan false positive. Anda dapat menerapkan Bloom Filter
dengan Redis, tentu saja. Dan harus ada proyek sumber terbuka untuk itu.