结论与教程：使用Redis的HyperLogLog结构实现用户访问统计，避免数据丢失采用AOF+RDB持久化双机制，性能优化通过Pipeline批量操作和连接池减少查询延迟。代码示例：统计UV用HLL.INCRBY user:uv:2023-10-01 1；持久化配置appendonly yes save 900 1；延迟优化pipeline.exec()批量提交。

CSDN博客

Redis作为内存数据库，广泛用于用户访问统计。采用HyperLogLog（HLL）数据结构，只需O(1)空间估算基数，非常适合UV/PV统计。命令：PFADD key element [element ...] 返回估算基数PFCOUNT key [key ...]。实际案例中，日活用户统计误差控制在1%以内，远优于MySQL全量去重。

知乎专栏

数据丢失痛点：默认RDB快照可能丢失最近数据，建议开启AOF日志，配置appendfsync everysec，每秒fsync一次，最大丢失1秒数据。混合持久化：Redis 4.0后bgrewriteaof用RDB格式重写AOF，启动更快。测试显示，AOF+RDB恢复时间缩短80%。

掘金文章

查询延迟高因网络RTT，解决方案：1.连接池管理，避免频繁create连接；2.Pipeline管道化命令，一次网络往返执行多命令；3.本地缓存热点数据到本地Map。基准测试：单命令QPS 10w，Pipeline后提升至80w，延迟降至1ms。

博客园

用户访问统计场景：String存PV（INCR），Hash存用户明细（HSET），HLL存UV。为防内存爆炸，设置key过期TTL，结合Lua脚本原子更新：local uv = redis.call('pfcount', KEYS[1]); redis.call('pfadd', KEYS[1], ARGV[1]);。数据丢失用Sentinel高可用，主从异步复制+自动故障转移。

阿里云开发者社区

性能优化技巧：1.避免大key，单key值不超过10MB；2.内存淘汰策略allkeys-lru；3.慢查询监控slowlog get 10。用户访问日志用List LPUSH，配合LRANGE分页查询。实际优化后，QPS从5k升至50k，延迟99分位从200ms降至20ms。

腾讯云文档

解决查询延迟：使用SCAN渐进式迭代代替KEYS *；Pub/Sub解耦访问统计，上报事件异步处理；读写分离，主节点写从节点读。数据丢失预防：多副本RDB，AOF多日志合并。案例：电商平台日访问1亿PV，Redis统计零丢失。

FAQ
Q: HyperLogLog误差有多大？
A: 标准误差0.81%，实际业务可接受。
Q: AOF和RDB哪个更好？
A: 结合用，RDB快照全量，AOF增量日志。
Q: Pipeline怎么用Java？
A: Jedis pipeline = jedis.pipelined(); pipeline.incr("key"); List result = pipeline.exec();
Q: 怎么监控Redis性能？
A: INFO command，关注used_memory、connected_clients、instantaneous_ops_per_sec。