我们有一个用例，我们希望在任何时间范围（小时粒度）内报告应用中的唯一身份访问者。
示例：假设在第 0 小时我们有以下访客 {A, B, C, D} 并且在第 1 小时我们有 {C, D, E, F} ，在第 2 小时我们有 {E, F, A, B} 和在第 3 小时，我们有 {A, C}。我们需要回答在第 1 小时和第 3 小时之间有多少唯一身份访问者，同时应该能够回答在第 0 小时到第 3 小时之间有多少唯一身份访问者等？
当然，我们不能保存所有唯一访问者 ID，但我们可以保存给定小时的 BloomFilter。
我打算使用包含-排除属性来计算联合，但想看看是否有任何框架或某个框架有一个好的解决方案。
大数据技术：我们有 hdfs 设置、hive 以及 Spark、Kafka。