场景题：如何实现亿级用户在线状态统计？

近两年不知道大家有没有发现，现在的面试中《场景题》问的越来越多了，一方面是就业市场竞争者较多所带来的必然结果 ；另一方面是随着时间的推移，公司对于应聘者的技术要求也越来越高了，这时候只会八股文就不够了，你还得会更难的场景题才行。

所以，今天我们就来盘 Java 中的常见面试题《如何实现亿级用户在线状态统计？》，这个时候有人就会说了："亿级？你确定你们公司有亿级用户同时在线的场景？""我会亿级系统的设计还会来你们公司应聘吗？可笑"。

哈哈哈，确实如此，这些质疑都是合理的。但是话说回来，面试的难度本来就比实际工作的难度大很多；其次，你来应聘是想拿到高薪的 Offer，而不是和面试官干仗来的，对吧？所以，搞明白这道题的答案才是我们关注的重点。

1.亿级用户在线场景分析

例如，QQ 在线状态的统计功能就是亿级的，它的特征是：数据量大、内存占用高、实时性要求高，因此我们使用常规的解决方案是不能实现的。例如，在数据库中给每个用户中添加一个在线状态，上线设为 1，下线设为 0，通过统计状态为 1 的数据，获取在线人数。该方案无法承受大规模用户频繁上、下线操作，会给数据库带来巨大 IO 压力，且实时统计需不断刷新查询，易拖垮数据库性能，因此不可取。

2.解决方案

此时，我们的统计实现可分为以下两类：

基于总数的统计方案 ：设置一个总在线人数，上线 +1、下线 -1，从而实现上线总人数的统计。
1. 优点：实现简单、效率高、内存占用少。
2. 缺点：不精准，没办法精确的查找某些用户某个时刻的在线状态；且在异常退出应用的情况下，后续基于在线监测机制的重复下线判断很难实现。
基于具体用户详情的统计方案 ：将用户的标识（如 QQ 号）和上线状态都存储在集合中。
1. 优点：统计精准，可以查找某些用户某个时刻的在线状态；且在异常退出应用的情况下，后续基于在线监测机制可以精准的实现下线用户的去重功能。
2. 缺点：内存占用大、效率较低。

3.具体实现

3.1 基于总数的统计方案

基于总数的统计，我们可以使用以下两种方式：

基于 Redis 的 incr（+1）和 decr（-1）操作实现，如下图所示：

基于 Redis 的 HyperLogLog 实现，HyperLogLog (下文简称为 HLL) 是 Redis 2.8.9 版本添加的数据结构，它用于高性能的基数 (去重) 统计功能，它的缺点就是存在极低的误差率（0.81%）。它只需要 12KB 空间就能统计 2^64（约 18 亿）的数据。

此实现方案不能移除元素、存在误差，但空间占用率非常低。

3.2 基于用户的统计实现

基于用户标识（QQ）我们可以采用 Redis 中提供的 Bitmap（位数组）来实现，位数组结构如下：

其中每个下标就可以表示一个具体的数字，例如以上图片标识 1、3 数字存在，如果值为 0 表示不存在，这样的话 **10 亿数字占用的位数组空间位 10 亿 bit，也就是 1000000000/1024/1024/1024/8=0.116GB，可以看出它的空间占用量是非常小的。

用户上线时使用 SetBit 命令将对应位置设为 1 表示在线，下线时设为 0 。判断用户是否在线用 GetBit 命令，统计在线用户数用 BigCount 命令，具体操作命令如下图所示：

在 Spring Boot 项目中，我们可以使用 RedisTemplate 实现用户的上、下线设置，以及在线个数统计，具体实现代码如下：

java 复制代码

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Service;

@Service
public class BitmapService {

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    /**
     * 设置Bitmap中的位
     * @param key 键
     * @param offset 偏移量
     * @param value 值（0或1）
     */
    public void setBit(String key, long offset, boolean value) {
        redisTemplate.opsForValue().setBit(key, offset, value);
    }

    /**
     * 获取Bitmap中的位
     * @param key 键
     * @param offset 偏移量
     * @return 位的值（0或1）
     */
    public boolean getBit(String key, long offset) {
        return redisTemplate.opsForValue().getBit(key, offset);
    }

    /**
     * 计算Bitmap中值为1的位的数量
     * @param key 键
     * @return 值为1的位的数量
     */
    public Long bitCount(String key) {
        return redisTemplate.opsForValue().bitCount(key);
    }
}

小结

类似这样的场景题我收录和整理的题解答案还有很多，我把它制作成了一个专栏：《Java 常见场景题》，每个场景题都有详细的图解+代码案例解析。学会它可以帮助您解决面试中的大部分场景题，从此不再害怕场景题。查看和解锁所有《Java 常见场景题》扫描以下二维码即可：

本文已收录到我的面试小站 www.javacn.site，其中包含的内容有：场景题、并发编程、MySQL、Redis、Spring、Spring MVC、Spring Boot、Spring Cloud、MyBatis、JVM、设计模式、消息队列等模块。