当前位置：首页 > article >正文

【技术派后端篇】基于 Redis 实现网站 PV/UV 数据统计

article 2026/1/11 15:21:32

在网站的数据分析中，PV（Page View，页面浏览量）和 UV（Unique Visitor，独立访客数）是两个重要的指标，几乎每个网站都需要对其进行统计。市面上有很多成熟的统计产品，例如百度的站点统计功能，而本文将介绍如何借助 Redis 的计数器功能，实现一套属于自己的站点统计服务。

1 方案设计

1.1 术语说明

在我们的实际实现中，对 PV 和 UV 的定义与标准定义存在一定差异：

PV（Page View）：指的是每个页面的访问次数。在本服务中，PV 是总量概念，一个独立的 IP 每访问一次 URL，对应的访问计数就加 1。我们希望按自然日统计每个 URL 的访问计数，同时也能统计总的访问计数，以此判断哪些页面更受读者喜爱。
UV（Unique Visitor）：用于统计 URI 的访问 IP 数，同样按照自然日和总数进行区分。

1.2 统计流程

用户访问时，首先获取目标 IP，然后根据其访问情况更新对应的计数：

首次访问目标资源：总 PV 加 1，总 UV 加 1；当天 PV 加 1，当天 UV 加 1。
非首次访问，但为当天第一次访问：总 PV 加 1，总 UV 不变；当天 PV 加 1，当天 UV 加 1。
当天非首次访问：总 PV 加 1，总 UV 不变；当天 PV 加 1，当天 UV 不变。

1.3 数据结构

我们使用 Redis 的 hash 来存储访问信息，具体需要存储以下三类信息：

站点的总访问信息：包括站点的 PV/UV，以及每个 URI 的 PV/UV。
某一天的访问信息：涵盖某一天站点的总访问 PV/UV，以及某一天每个 URI 的 PV/UV。由于计算 UV 时需要存储用户是否访问过某个资源的信息，所以额外添加了存储单元保存用户访问历史。
用户的访问信息：包含用户访问站点的总次数，以及访问每个 URI 的总次数。用户每天的访问信息存储在每天的访问信息结构中，因为每天的访问信息通常不需要持久化保存，比如只存储最近一个月的情况，可设置 Redis 的有效期为 30 天，到期自动清除。

完整的 hash 定义如下：

站点总统计 hash：
- key：visit_info
- field：
  - pv：站点的总 PV
  - uv：站点的总 UV
  - pv_path：站点某个资源的总访问 PV
  - uv_path：站点某个资源的总访问 UV
每天统计 hash：
- key：visit_info_20230822（每日记录，一天一条记录）
- field：
  - pv：12（field = 月日_pv，PV 的计数）
  - uv：5（field = 月日_uv，UV 的计数）
  - pv_path：2（资源的当前访问计数）
  - uv_path：资源的当天访问 UV
  - pv_ip：用户当天的访问次数
  - pv_path_ip：用户对资源的当天访问次数
用户访问统计：
- key：visit_info_ip
- field：
  - pv：用户访问的站点总次数
  - path_pv：用户访问的路径总次数

2 实现方式

2.1 统计计数

核心计数的实现路径为 com.github.paicoding.forum.service.sitemap.service.SitemapServiceImpl#saveVisitInfo。其原理是：用户站点总 PV 加 1，若返回的最新计数是 1，表示是站点的新用户，所有 UV 加 1；今日 PV 加 1，若返回的最新计数是 1，表示当前用户今日首次访问，进入的 UV 加 1 。

 /*** 保存站点数据模型* <p>* 站点统计hash：* - visit_info:* ---- pv: 站点的总pv* ---- uv: 站点的总uv* ---- pv_path: 站点某个资源的总访问pv* ---- uv_path: 站点某个资源的总访问uv* - visit_info_ip:* ---- pv: 用户访问的站点总次数* ---- path_pv: 用户访问的路径总次数* - visit_info_20230822每日记录, 一天一条记录* ---- pv: 12  # field = 月日_pv, pv的计数* ---- uv: 5   # field = 月日_uv, uv的计数* ---- pv_path: 2 # 资源的当前访问计数* ---- uv_path: # 资源的当天访问uv* ---- pv_ip: # 用户当天的访问次数* ---- pv_path_ip: # 用户对资源的当天访问次数** @param visitIp 访问者ip* @param path    访问的资源路径*/@Overridepublic void saveVisitInfo(String visitIp, String path) {String globalKey = SitemapConstants.SITE_VISIT_KEY;String day = SitemapConstants.day(LocalDate.now());String todayKey = globalKey + "_" + day;// 用户的全局访问计数+1Long globalUserVisitCnt = RedisClient.hIncr(globalKey + "_" + visitIp, "pv", 1);// 用户的当日访问计数+1Long todayUserVisitCnt = RedisClient.hIncr(todayKey, "pv_" + visitIp, 1);RedisClient.PipelineAction pipelineAction = RedisClient.pipelineAction();if (globalUserVisitCnt == 1) {// 站点新用户// 今日的uv + 1pipelineAction.add(todayKey, "uv", (connection, key, field) -> {connection.hIncrBy(key, field, 1);});pipelineAction.add(todayKey, "uv_" + path, (connection, key, field) -> connection.hIncrBy(key, field, 1));// 全局站点的uvpipelineAction.add(globalKey, "uv", (connection, key, field) -> connection.hIncrBy(key, field, 1));pipelineAction.add(globalKey, "uv_" + path, (connection, key, field) -> connection.hIncrBy(key, field, 1));} else if (todayUserVisitCnt == 1) {// 判断是今天的首次访问，更新今天的uv+1pipelineAction.add(todayKey, "uv", (connection, key, field) -> connection.hIncrBy(key, field, 1));if (RedisClient.hIncr(todayKey, "pv_" + path + "_" + visitIp, 1) == 1) {// 判断是否为今天首次访问这个资源，若是，则uv+1pipelineAction.add(todayKey, "uv_" + path, (connection, key, field) -> connection.hIncrBy(key, field, 1));}// 判断是否是用户的首次访问这个path，若是，则全局的path uv计数需要+1if (RedisClient.hIncr(globalKey + "_" + visitIp, "pv_" + path, 1) == 1) {pipelineAction.add(globalKey, "uv_" + path, (connection, key, field) -> connection.hIncrBy(key, field, 1));}}// 更新pv 以及 用户的path访问信息// 今天的相关信息 pvpipelineAction.add(todayKey, "pv", (connection, key, field) -> connection.hIncrBy(key, field, 1));pipelineAction.add(todayKey, "pv_" + path, (connection, key, field) -> connection.hIncrBy(key, field, 1));if (todayUserVisitCnt > 1) {// 非当天首次访问，则pv+1; 因为首次访问时，在前面更新uv时，已经计数+1了pipelineAction.add(todayKey, "pv_" + path + "_" + visitIp, (connection, key, field) -> connection.hIncrBy(key, field, 1));}// 全局的 PVpipelineAction.add(globalKey, "pv", (connection, key, field) -> connection.hIncrBy(key, field, 1));pipelineAction.add(globalKey, "pv" + "_" + path, (connection, key, field) -> connection.hIncrBy(key, field, 1));// 保存访问信息pipelineAction.execute();if (log.isDebugEnabled()) {log.info("用户访问信息更新完成! 当前用户总访问: {}，今日访问: {}", globalUserVisitCnt, todayUserVisitCnt);}}

2.2 Redis 管道封装

Redis 管道技术允许在服务端未响应时，客户端继续向服务端发送请求，并最终一次性读取所有服务端的响应，从而实现批量操作。通过对 Redis pipeline 使用姿势的封装，简化了调用过程，例如 com.github.paicoding.forum.core.cache.RedisClient.PipelineAction 中的相关代码：

/*** redis 管道执行的封装链路*/
public static class PipelineAction {private List<Runnable> run = new ArrayList<>();private RedisConnection connection;public PipelineAction add(String key, BiConsumer<RedisConnection, byte[]> conn) {run.add(() -> conn.accept(connection, RedisClient.keyBytes(key)));return this;}public PipelineAction add(String key, String field, ThreeConsumer<RedisConnection, byte[], byte[]> conn) {run.add(() -> conn.accept(connection, RedisClient.keyBytes(key), valBytes(field)));return this;}public void execute() {template.executePipelined((RedisCallback<Object>) connection -> {PipelineAction.this.connection = connection;run.forEach(Runnable::run);return null;});}
}@FunctionalInterface
public interface ThreeConsumer<T, U, P> {void accept(T t, U u, P p);
}

2.3 计数更新与使用

PV/UV 的更新可以在 Filter 中统一调用，为避免计数影响实际业务操作，采用异步更新策略：com.github.paicoding.forum.web.hook.filter.ReqRecordFilter#initReqInfo。

private HttpServletRequest initReqInfo(HttpServletRequest request, HttpServletResponse response) {if (isStaticURI(request)) {// 静态资源直接放行return request;}StopWatch stopWatch = new StopWatch("请求参数构建");try {stopWatch.start("traceId");// 添加全链路的traceIdMdcUtil.addTraceId();stopWatch.stop();stopWatch.start("请求基本信息");// 手动写入一个session，借助 OnlineUserCountListener 实现在线人数实时统计request.getSession().setAttribute("latestVisit", System.currentTimeMillis());ReqInfoContext.ReqInfo reqInfo = new ReqInfoContext.ReqInfo();reqInfo.setHost(request.getHeader("host"));reqInfo.setPath(request.getPathInfo());if (reqInfo.getPath() == null) {String url = request.getRequestURI();int index = url.indexOf("?");if (index > 0) {url = url.substring(0, index);}reqInfo.setPath(url);}reqInfo.setReferer(request.getHeader("referer"));reqInfo.setClientIp(IpUtil.getClientIp(request));reqInfo.setUserAgent(request.getHeader("User-Agent"));reqInfo.setDeviceId(getOrInitDeviceId(request, response));request = this.wrapperRequest(request, reqInfo);stopWatch.stop();stopWatch.start("登录用户信息");// 初始化登录信息globalInitService.initLoginUser(reqInfo);stopWatch.stop();ReqInfoContext.addReqInfo(reqInfo);stopWatch.start("pv/uv站点统计");// 更新uv/pv计数AsyncUtil.execute(() -> SpringUtil.getBean(SitemapServiceImpl.class).saveVisitInfo(reqInfo.getClientIp(), reqInfo.getPath()));stopWatch.stop();stopWatch.start("回写traceId");// 返回头中记录traceIdresponse.setHeader(GLOBAL_TRACE_ID_HEADER, Optional.ofNullable(MdcUtil.getTraceId()).orElse(""));stopWatch.stop();} catch (Exception e) {log.error("init reqInfo error!", e);} finally {if (!EnvUtil.isPro()) {log.info("{} -> 请求构建耗时: \n{}", request.getRequestURI(), stopWatch.prettyPrint(TimeUnit.MILLISECONDS));}}return request;
}

目前站点的统计信息在前台只显示全局站点的统计情况，使用时直接从 hash 中获取对应的计数即可：com.github.paicoding.forum.service.sitemap.service.impl.SitemapServiceImpl#querySiteVisitInfo。

/*** 查询站点某一天or总的访问信息** @param date 日期，为空时，表示查询所有的站点信息* @param path 访问路径，为空时表示查站点信息* @return*/
@Override
public SiteCntVo querySiteVisitInfo(LocalDate date, String path) {String globalKey = SitemapConstants.SITE_VISIT_KEY;String day = null, todayKey = globalKey;if (date != null) {day = SitemapConstants.day(date);todayKey = globalKey + "_" + day;}String pvField = "pv", uvField = "uv";if (path != null) {// 表示查询对应路径的访问信息pvField += "_" + path;uvField += "_" + path;}Map<String, Integer> map = RedisClient.hMGet(todayKey, Arrays.asList(pvField, uvField), Integer.class);SiteCntVo siteInfo = new SiteCntVo();siteInfo.setDay(day);siteInfo.setPv(map.getOrDefault(pvField, 0));siteInfo.setUv(map.getOrDefault(uvField, 0));return siteInfo;
}

前台使用路径：
在这里插入图片描述

3 小结

在这里插入图片描述

基于 Redis 实现 PV/UV 统计主要依靠两个关键知识点：

hash: incr：利用 Redis 的 hash 结构结合 incr 命令实现原子计数。
pipeline：通过管道方式实现批量操作，提高操作效率。

最后提出一个思考问题：当站点访问量剧增，一天达到几百万的访问量时，通过记录 IP 来实现 UV 计数会导致用户访问记录存储开销巨大，此时可以考虑使用 Redis 中的 HyperLoglog 来解决这一问题，它利用数学上的概率统计分布原理，能在空间复杂度较低的情况下实现近似的计数统计。

希望本文对大家理解和实现网站的 PV/UV 数据统计有所帮助，欢迎大家一起交流探讨相关技术问题。

4 参考链接

技术派数据统计PV/UV
项目仓库（GitHub）
项目仓库（码云）