前言
“独乐山水，不如与人同赏。”
我们的博客不是孤芳自赏的私人花园，而是希望被看见、被阅读、被共鸣的思想空间。
当我们在云服务器上，完成了自己个人博客的部署。就不再只是网络世界的旁观者，而成为了内容的创造者、思想的传播者。
但问题也随之而来：我们如何知道自己写的内容是否真的有人看？又如何判断哪些文章更受欢迎？这时候，UV（独立访客）统计就成了衡量流量质量的关键指标。
不同于 PV（页面浏览量），UV 更关注的是“真实访问人数”。一个用户一天内多次刷新页面，只能算作一次 UV。这种去重统计方式，更能反映内容的真实影响力。
为了实现高效、准确的 UV 统计，本文将带你使用 Redis 搭建一套轻量级的统计系统。它不仅响应速度快、资源占用低，还能自动去重、定时清理历史数据，是中小型博客和高并发网站的理想选择。
一、为什么选择 Redis 来做 UV 统计？
Redis 是一种基于内存的高性能键值数据库，它的优势在于：
- ✅ 响应速度快，毫秒级响应
- ✅ 支持自动去重的数据结构（如 Set）
- ✅ 可设置过期时间，自动清理历史数据
- ✅ 支持分布式部署，适用于高并发场景
相比传统的数据库方案，Redis 更像是一个“数字清点员”，能在极短时间内完成大量数据的去重和统计工作。
二、核心思路：用 Set 实现访客“签到墙”
我们可以将 Redis 中的 Set 数据结构想象成一面“每日更新的签到墙”：
- 每个用户就是一位访客；
- 每天一张新墙（即一个新的 key）；
- 用户首次来访，就在墙上签名（加入 Set）；
- 再次访问则不再重复签名（Set 自动去重）；
- 最终统计签名人数，就是当天的 UV 数。
这种设计不仅简单高效，而且天然支持去重，非常适合用于 UV 场景。
三、实战演示：Python + Redis 实现 UV 记录系统
🧩 步骤一：安装 Redis 和 Python 客户端
在 Linux 上安装 Redis：
sudo apt update
sudo apt install redis-server
安装 Python Redis 包：
pip install redis
🧪 步骤二：编写 UV 统计脚本
以下是完整的实现代码，带有详细注释：
import redis
from datetime import datetime
# 连接本地 Redis，默认端口6379
redis_client = redis.StrictRedis(host='localhost', port=6379, db=0)
def record_uv(user_id):
# 构造key名，格式为 log:YYYY-MM-DD:view
today = datetime.now().strftime('%Y-%m-%d')
key_name = f"log:{today}:view"
# 使用SADD命令添加用户ID，自动去重
redis_client.sadd(key_name, user_id)
# 设置24小时后自动过期，避免无限增长
redis_client.expire(key_name, 86400) # 86400秒 = 24小时
def get_today_uv():
today = datetime.now().strftime('%Y-%m-%d')
key_name = f"log:{today}:view"
# 获取当前Set集合大小，即UV数
return redis_client.scard(key_name)
📌 步骤三：在网页中调用 UV 脚本
你可以在每次用户访问页面时，记录其唯一标识（如 Cookie ID 或 Session ID）：
user_id = request.cookies.get('user_id') or generate_new_user_id()
record_uv(user_id)
print("今日UV总数：", get_today_uv())
这样就能在不影响用户体验的前提下，轻松统计每天的独立访客数量。
四、进阶技巧：分页 UV、多页面统计怎么做？
如果你希望统计多个页面的 UV，比如首页、文章页、商品详情页等，只需在 key 中加入页面标识即可：
key_name = f"log:{today}:{page_id}:view"
例如：
log:2025-04-05:index:viewlog:2025-04-05:product1001:view
这样，你可以轻松实现每个页面的独立 UV 统计。
五、结语：让 Redis 成为你网站的“智能记事本”
“小智治事，大智治制。”
——《资治通鉴》
Redis 就像一本会自动整理的“访客记事本”，它不仅能快速记录谁来了，还能告诉你一天来了多少人，且不会重复计算。
对于追求性能与效率的网站而言，用 Redis 实现 UV 统计是一个轻量而高效的解决方案。
