@javacodecreeks 谢谢！

刚刚在微博上新发布了一个转发赠书活动，送出 3 册《 Redis 使用手册》，上次没被抽中的朋友可以来这里试试运气！
https://weibo.com/3219474004/IebSBcHuW

@javacodecreeks 嗯，广东的。

@Dogergo @KasuganoSoras 收到就好，不用客气 😁

@KasuganoSoras 收到，明天寄送赠书！

@Dogergo 收到，明天寄送赠书！

请 @KasuganoSoras 和 @Dogergo 尽快联系我以领取赠书。

@HuasLeung 没事，我微博和 twitter 接下来还会发布其他送书互动，欢迎参与。

@leadersnowy 确认一下，有个电话尾号为 6587 的人通过邮件跟我取得了联系，是您本人吗？

获奖者已在主贴以附言形式公布，感谢大家的参与！

@TaAmSf RedisGuide.com 上面有各个版本的购买链接。

@useben 这个不是第二版，是最初发布在网上的 alpha 版本，比现在书本的版本要久。这个网站改个名字叫“第二版”应该只是为了赚点击吧（笑）。

@chenqh Kindle 有的，在这里： https://www.amazon.cn/dp/B07YBRPVB8

Livid 的这个思路很有趣！

最近我也在研究这方面的问题，提供一些备选方案让大家参考。


方案 1 ：使用有序集合
--------------------------------------

每当用户上线时，执行以下操作：

ZADD("online_users", <user_id>, <current_timestamp>)

想要知道有多少人在指定的时间区间（比如一天或者一周）内上线过，那么可以使用时间区间的起始时间戳和结束时间戳作为参数，调用 ZCOUNT 命令：

ZCOUNT("oneline_users", <start_timestamp>, <end_timestamp>)

判断用户的 session 是否过期可以通过以下方法：

user_online_timestamp = ZSCORE("online_users", <user_id>)
return (user_online_timestamp+SESSION_EXPIRETIME) < now()

其中 SESSION_EXPIRETIME 为 SESSION 的有效期秒数。

这个方案的优点是信息齐全，能够通过有序集合的特性方便地执行区间操作（ O(logN)），也可以快速地获取指定用户的登录时间（ O(1)）。缺点是耗费的内存比较大，并且需要手动删除有序集合中已经过期的用户信息。


方案 2 ：使用 HyperLogLog
--------------------------------------

用户上线：

PFADD("online_users", <user_id>)

获取在线人数：

PFCOUNT("online_users")

这个方案的优点是非常节约内存，无论网站的用户数量有多大，一个 HyperLogLog 都只消耗 12 KB 内存。当然，这个方案的缺点也非常明显：

1. 它无法获取用户的具体登录时间。
2. 因为 HyperLogLog 是一个概率算法，所以它无法准确地判断一个用户是否在线。

以上缺点都可以通过增加一个储存用户登录时间的 Hash 来解决，不过这一样一来，需要消耗的内存也会增加。


方案 3 ：使用 bitmap
---------------------------------------

上线：

SETBIT("online_users", <user_id>, 1)

检查指定的用户是否上线：

GETBIT("online_users" <user_id>) == 1

统计在线人数：

BITCOUNT("online_users")

这个方案最有趣的地方，就是可以对多个 bitmap 执行聚合计算，从而计算出诸如“有多少个人连续一周都上线了（全勤）”、“这周一共上线了多少个人”、“有多少人今天上线了但是昨天没上线”等问题：

BITOP("AND", "one_week_both_online", "day_1_online", "day_2_online", ..., "day_7_online") # 计算一周都上线的人

BITOP("OR", "one_week_online_total", "day_1_online", ..., "day_7_online") # 计算这周一共有多少人上线

这个方案储存一个用户的在线信息只需要使用一个二进制位，对于用户数为 100 万的网站来说，使用这一方案只需要花费 125 KB 内存，而储存 1000 万的用户信息只需要花费 1.25 MB 。

虽然 bitmap 节约内存的效果不及 HyperLogLog ，但是使用 bitmap 可以准确地判断一个用户是否上线。对于想要尽量节约内存，但又需要准确地知道用户是否在线，又或者需要对用户的在线信息进行聚合计算的应用来说，这个方案是最佳之选。


结语
---------------------------------------

好的，关于统计在线用户的备选方案就介绍到这里，希望这些方案会给大家带来帮助和启发。

最后打个小广告，我正在写一本名为《 Redis 使用教程》的书，里面不仅对用户 SESSION 储存、用户在线统计等问题给出了详细的解法，还提供了实际可运行的 Python 代码，上面给出的一些方案在书中也有介绍，有兴趣的朋友可以关注一下： RedisGuide.com 非常感谢！

huangz
2016.8.13

@markme 谢谢支持。

@boboweb 谢谢支持！等电子版出了之后会第一时间发布消息的。

@ynztyl10 不客气，收到就好！

不客气，收到就好！