Redis面试题解答三

1.如果一个key刚才数据库里没有现在有了，布隆过滤器怎么处理？

如果一个key刚才数据库里没有现在有了，布隆过滤器会被用来快速检查这个key是否已经存在，以避免不必要的数据库查询操作。

当一个新的key被加入布隆过滤器时，它将被分配到多个哈希函数所对应的bit位上，并将这些bit位置为1。在执行后续的查询操作时，如果某个key所对应的所有bit位都被置为1，则认为这个key可能存在于布隆过滤器中，需要进一步查询数据库。

因此，当一个key刚才数据库里没有现在有了，可以使用如下流程：

1. 执行布隆过滤器的检查：将这个key分配到布隆过滤器的多个哈希函数所对应的bit位上进行查询，如果这些bit位都被置为1，则可能存在于布隆过滤器中，需要进一步访问数据库。

2. 如果布隆过滤器的查询结果未能确定key的存在性，那么就需要从数据库中读取相应的数据进行确认。

3. 查询完毕后，将这个key添加到布隆过滤器中，以便后续的检查。

需要注意的是，布隆过滤器有一个缺陷是无法删除某个key，因为删除操作会影响其他的key的映射。因此，在使用布隆过滤器时需要考虑如何处理删除操作，并合理设置过滤器的误判率和数据存储大小等参数，以达到可接受的性能和准确性。

2.谈谈布隆过滤器的优势劣势

布隆过滤器是一种空间效率高、查询速度快的数据结构，常用于判断一个元素是否可能存在于集合中。

优势：

1. 空间占用率低：相比于其他的数据结构（如哈希表），布隆过滤器在维护同样数量的元素时，所需的内存空间更小。

2. 查询速度快：由于只需要计算多个哈希函数，并查看对应的bit位是否为1，因此检查某个元素是否在布隆过滤器中的查询操作非常快，时间复杂度为O(k)，其中k是哈希函数的数量。

3. 不需要存储全部数据：布隆过滤器可以仅保存数据的哈希值而不是它们本身，这样就能够节约大量的磁盘空间和输入/输出操作时间。

劣势：

1. 误判率：当布隆过滤器指示某个元素不存在时，这个判断是肯定正确的，但如果返回元素存在，则可能是错误的。也就是说，布隆过滤器是有一定的“误判率”的，这使得布隆过滤器不能保证完全准确。

2. 不能删除元素：由于一个元素映射到多个bit位上，其他元素的哈希函数会把它们的位设置为真，所以不能简单地从布隆过滤器中删除元素。需要用其他方法标记元素为“过期”。

3. 哈希函数的选取问题：由于哈希冲突引起误判可能性的存在，布隆过滤器正确性依赖于哈希函数的好坏。不同的哈希函数具有不同的特点和表现，因此，在实际应用中需要选择合适的哈希函数来最小化误判率和存储空间使用。

综上所述，布隆过滤器具有空间效率高、查询速度快等优势，但其误判率和不能直接删除元素也是制约其应用的缺点。在实际开发中，可以根据具体的场景和需求进行技术选型和参数设置。

3.布隆过滤器如何删数据？

布隆过滤器本身并不支持删除元素的操作。这是因为当一个元素被加入到布隆过滤器中后，它会映射多个bit位上，其他元素的哈希函数会把它们的位设置为真。如果从布隆过滤器中删除其中某些bit位，就会将其他元素的检测结果也影响了。

一种可以解决这个问题的办法是增加一个“过期时间”（TTL）来标记已经没有用的元素，在查询时避免误判早先添加的“过期”的元素。 但是在大部分情况下，应该考虑使用其它更适合元素删除功能的数据结构（例如哈希表），与布隆过滤器结合使用，实现高效地查找和删除元素的功能。