我们有一个用例，在这个用例中，我们希望在任何时间范围（小时粒度）报告应用程序中的唯一访问者。
示例：假设在第0小时我们有下列访问者{a，b，c，d}，在第1小时我们有{c，d，e，f}，在第2小时我们有{e，f，a，b}，在第3小时我们有{a，c}。我们需要回答在1小时到3小时之间有多少独立访客，同时应该能够回答在0小时到3小时之间的独立访客数量，等等？
当然，我们不能保存所有唯一的访客ID，但是我们可以保存一个特定小时的bloomfilter。
我计划使用包含排除属性来计算并集，但想看看是否有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，有hive，还有spark，kafka。