HyperLogLog用于计数唯一项。它可以用很少的内存计算大量项目。但是，返回的基数不是精确的，而是近似为
standard error。
0.81％ 是
standard error，不是误报。对于您的实例，您可以调用
PFCOUNTHLL获取放入中的唯一项目的近似数量
HyperLogLog。返回的数字应在的范围内
[10000 * (1 - 0.81%), 10000 * (1+ 0.81%)]。
PFADD如果在执行命令后更改了估计的基数，则返回1。否则返回0。它与无关
false positive。
似乎您需要的是Bloom
Filter，它可以告诉您数据集中是否存在某个项目，且误判为假。
BloomFilter当然，您可以使用Redis 来实现。为此，应该有一些开源项目。
