布隆过滤器小记

刀太锋利，人人都喜欢。人太锋利，没人会喜欢。

一 使用背景

当判断一个数在不在大一堆数据中 我们可以使用一个set集合 然后用 contains 就可以判断这个数据在不在里面了,但是随着数据量的增大, 除非你的内存足够大，当数据大过你的内存的时候 这个时候你想判断这个数在不在你这个数据集合中 你应该怎么做,这个时候 布隆过滤器应运而生。

二 数据结构

布隆过滤器是一个叫“布隆”的人提出的，它本身是一个很长的二进制向量，既然是二进制的向量，那么显而易见的，存放的不是0，就是1。

类比成这个样子

现在需要添加一个数据：

我们通过某种计算方式，比如Hash1，计算出了Hash1(数据)=5，我们就把下标为5的格子改成1，就像下面这样：

我们又通过某种计算方式，比如Hash2，计算出了Hash2(数据)=9，我们就把下标为9的格子改成1，就像下面这样：

还是通过某种计算方式，比如Hash3，计算出了Hash3(数据)=2，我们就把下标为2的格子改成1，就像下面这样：

其实，布隆过滤器本身是没有存储数据本身的 只是记了一个标识 这个时候如果别的数据进来了 进行哈希 发现这几个位置都是1 了 所有判断这个数据已经存在了 但是也有可能这个数据是别的数据变成1 的 这个时候就是误判了。
所以 他过来一个数据 只能判断这个数据一定不存在，不能判断是否存在 。

三 实现

java 实现 可以直接用guava 里面的包实现

1. 导包

        <dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-io</artifactId>
            <version>1.3.2</version>
        </dependency>

2. 使用

    @Test
    void guavaBloomTest() {
        // 布隆过滤器
        BloomFilter<Integer> filter = BloomFilter.create(
                Funnels.integerFunnel(),
                1500,
                0.01);
        filter.put(1);
        System.out.println(filter.mightContain(1));
    }

这对于单机的来说是可以的 如果是分布式的话 redis 有提供布隆过滤器的解决方案
参考 https://www.cnblogs.com/CodeBear/p/10911177.html

布隆过滤器用作在redis 缓存穿透的场景是:
在请求之前将数据库的数据放在布隆过滤器中 这个时候能过滤掉数据库中肯定没有的 如果有的话 接下来该走redis 走redis redis 中没有的话 就请求数据库