redis 布隆过滤器理论及代码实现

isTrueLoveColour

已于 2023-07-25 22:17:25 修改

阅读量302

点赞数 1

分类专栏： redis 文章标签： redis 哈希算法数据库

于 2023-07-23 22:04:00 首次发布

本文链接：https://blog.csdn.net/persistence_psh/article/details/131884992

版权

redis 专栏收录该内容

7 篇文章 0 订阅

订阅专栏

理论知识

布隆过滤器

可以把布隆过滤器理解为一个不精确的set结构，官方的布隆过滤器在4.0之后才正式登场，不存储具体信息，只在内存中做一个是否存在的标记，节约了内存，可以用来判断数据是否存在一个大的集合中，bf.add 用来添加元素（bf.madd批量添加），bf.exists用于判断元素是否存在（bf.mexists批量判断）
布隆过滤器有两个重要参数;
- 错误率（error_rate），默认为0.01，错误率越小，需要的空间就越大
- 预计放入的元素数量（initial_size），默认为100，当实际数量超过这个数量，误判率就会上升，所以如果这个值过大就会浪费存储空间，过小又会影响准确率，使用之前要尽可能的估算元素数量
布隆过滤器底层是一个大的位数组（bitmap）和几个不一样的无偏hash函数，无偏指的是能把hash值算的比较均匀
- 向布隆过滤器添加元素的时候，会使用hash函数对key进行hash，取得一个整数索引值，然后根据索引值对位数组长度进行取模得到一个位置，每个hash函数都会得到一个位置，把这些位置都置为1
- 向布隆过滤器询问key是否存在时，和添加一样，也会把hash的几个位置都算出来，如果位数组中这几个位置有一个不为1，那么key一定不存在，如果都为1 ，并不能说明key一定存在，只是存在的概率很高
- 所以布隆过滤器判断对象是否存在时可能会误判：如果判断为不存在那么一定不存在，如果判断为存在有可能不存在
- 布隆过滤器最好不要删除元素，因为多个元素可能共享一位，删除元素有可能会删除其他元素的映射值，会导致误判率增加
- 如果实际元素数量远大于初始化量，错误率的上升会很快，此时就需要重建布隆过滤器，重新分配一个更大的容量，然后把历史数据添加进去
布隆过滤器用来做新闻推送时，能够精确的过滤用户已经看过的内容，对于一些没有看过的新内容也会过滤极小的一部分，能够保证用户不会看到重复内容，此外还可以做黑名单、白名单
还可以通过布隆过滤器降低数据库的IO请求，执行查询时，先访问布隆过滤器，过滤掉不存在的数据请求，然后再去查询数据库，解决了缓存穿透的问题（缓存穿透，数据库也不存在数据）

请添加图片描述

布隆过滤器的优缺点

因为不存储具体信息，只在内存中做一个是否存在的标记，可以很高效的插入和查询，而且内存占用少
但是最好不要删除元素，因为多个元素可能共享一位，删除元素有可能会删除其他元素的映射值，会导致误判率增加
如果实际元素数量远大于初始化量，错误率的上升会很快，此时就需要重建布隆过滤器，重新分配一个更大的容量，然后把历史数据添加进去
存在误判的可能，只有判断不存在是绝对准确的

代码实现

布隆过滤器使用步骤

初始化位数组
通过hash函数计算hash值，计算hash值对应bitmap的数组位置，把对应位置值改为1
用布隆过滤器判断元素是否存在

这里使用mybatis-plus和mysql

实体类


/**
 * 测试表server实体类
 */
@Data
@ApiModel(value = "TestServer对象", description = "测试表server实体对象")
public class TestServer implements Serializable {

    @TableId("id")
    private Long id;

    /**
     * 金额
     */
    @ApiModelProperty(value = "金额", name = "iNumber")
    private String iNumber;

    /**
     * 描述
     */
    @ApiModelProperty(value = "描述", name = "descd")
    private String descd;

    /**
     * 删除标记
     */
    @ApiModelProperty(value = "删除标记", name = "deleted")
    @TableLogic
    @TableField(value = "DELETED", fill = FieldFill.INSERT, jdbcType = JdbcType.VARCHAR)
    private String deleted;

}

初始化布隆过滤器


/**
 * 初始化 布隆过滤器
 */
@Component
public class BloomFilter {


    @Autowired
    private TestServerMapper mapper;

    @Resource
    private RedisTemplate<String, TestServer> redisTemplate;

    public static final String BIT_KEY = "BloomFilter";

    public static final String KEY = "test_Server:";
    

    //Java5的时候引入的注解，在项目启动的时候执行这个方法
    @PostConstruct
    public void init() {
        //获取数据库数据，这里应该用流式查询
        QueryWrapper<TestServer> query = new QueryWrapper<>();
        query.eq("deleted", "0");
        List<TestServer> testServers = mapper.selectList(query);
        long size = (long) Math.pow(2, 31);
        for (TestServer testServer : testServers) {
            //计算 hashCode
            int hash = Math.abs((KEY+testServer.getId()).hashCode());
            //计算 hashCode 再bitMap的位置
            long index = (long) (hash % size);
            //设置 bitmap 的值
            redisTemplate.opsForValue().setBit(BIT_KEY, index, true);
        }

    }


}

判断布隆过滤器是否存在数据的工具类


@Component
public class BloomFilterUtils {

    @Resource
    private RedisTemplate<String, TestServer> redisTemplate;


    public boolean check(String key) {
        long size = (long) Math.pow(2, 31);
        int hash = Math.abs(key.hashCode());
        //计算 hashCode 再bitMap的位置
        long index = (long) (hash % size);
        //设置 bitmap 的值
        Boolean bit = redisTemplate.opsForValue().getBit(BIT_KEY, index);
        return bit;
    }

}

查询和插入的逻辑

查询：

查询时，先去查询布隆过滤器，布隆过滤器不存在，就不在继续查询
布隆过滤器存在，才接着查询redis，
redis存在就直接返回，redis不存在，再查询mysql
mysql存在把数据写回redis，再返回

插入

先插入mysql，然后从mysql中再查出来
写入redis布隆过滤器
写入redis


@Service
public class TestServerServiceImpl extends ServiceImpl<TestServerMapper, TestServer> implements TestServerService {

    @Autowired
    private TestServerMapper mapper;

    @Autowired
    private BloomFilterUtils bloomFilterUtils;

    @Resource
    private RedisTemplate<String, TestServer> redisTemplate;

    public static final String KEY = "test_Server:";


    /**
     * 查询时，先去查询布隆过滤器，布隆过滤器不存在，就不在继续查询
     * 布隆过滤器存在，才接着查询redis，
     * redis存在就直接返回，redis不存在，再查询mysql
     * mysql存在把数据写回redis，再返回
     * 这里用了双检加锁策略，避免了缓存击穿
     */
    @Override
    @Transactional(readOnly = true)
    public BaseResultModel getOneById(Long id) {
        String key = KEY + id;
        if (!bloomFilterUtils.check(key)){
            System.out.println("布隆过滤器中不存在，不在向下执行");
            return BaseResultModel.success("记录不存在");
        }
        System.out.println("布隆过滤器中存在，去redis查询");
        TestServer entity = redisTemplate.opsForValue().get(key);
        //redis有就直接返回
        if (entity != null) {
            return BaseResultModel.success(entity);
        }
        //redis没有就需要去数据库查询，这里不能直接去查询redis，因为有可能造成缓存击穿问题，所以需要先获得锁
        synchronized (this){
            //拿到锁之后也不是直接查询数据库，而是在查询一遍redis，如果redis依然没有数据，才去查询数据库
            entity = redisTemplate.opsForValue().get(key);
            if (entity == null){
                entity = baseMapper.selectById(id);
                if (null == entity) {
                    throw new BaseException(ResultStatus.NO_RECORDS.getCode(), ResultStatus.NO_RECORDS.getMessage());
                } else {
                    //redis没有，数据库有，需要把数据回些到redis
                    redisTemplate.opsForValue().set(key, entity);
                }
            }
        }
        return BaseResultModel.success(entity);
    }

    @Override
    @Transactional(readOnly = true)
    public BaseResultModel getOneById(Long id) {
        String key = KEY + id;
        if (!bloomFilterUtils.check(key)){
            System.out.println("布隆过滤器中不存在，不在向下执行");
            return BaseResultModel.success("记录不存在");
        }
        System.out.println("布隆过滤器中存在，去redis查询");
        TestServer entity = redisTemplate.opsForValue().get(key);
        if (entity != null) {
            return BaseResultModel.success(entity);
        }
        entity = baseMapper.selectById(id);
        if (null == entity) {
            throw new BaseException(ResultStatus.NO_RECORDS.getCode(), ResultStatus.NO_RECORDS.getMessage());
        } else {
            //redis没有，数据库有，需要把数据回些到redis
            redisTemplate.opsForValue().set(key, entity);
        }
        return BaseResultModel.success(entity);
    }

    @Override
    @Transactional
    public BaseResultModel insert(ReqTestServerAdd req) {
        TestServer entity = new TestServer();
        BeanUtil.copyProperties(req, entity);
        //雪花算法
        IdWorker worker = new IdWorker(1, 1, 1);
        Long id = worker.nextId();
        entity.setId(id);
        entity.setDeleted("0");
        if (!this.save(entity)) {
            throw new BaseException(ResultStatus.INSERT_FAIL.getCode(), ResultStatus.INSERT_FAIL.getMessage());
        }
        //插入成功，插入到布隆过滤器
        //计算 hashCode
        int hash = Math.abs((KEY+id).hashCode());
        long size = (long) Math.pow(2, 31);
        //计算 hashCode 再bitMap的位置
        long index = (long) (hash % size);
        //设置 bitmap 的值
        redisTemplate.opsForValue().setBit(BIT_KEY, index, true);
        //插入成功，同步把数据插入到redis
        TestServer testServer = mapper.selectById(id);
        redisTemplate.opsForValue().set(KEY + id, testServer);
        return BaseResultModel.success();
    }

雪花算法工具类



public class IdWorker {

    //因为二进制里第一个 bit 为如果是 1，那么都是负数，但是我们生成的 id 都是正数，所以第一个 bit 统一都是 0。

    //机器ID  2进制5位  32位减掉1位 31个
    private long workerId;
    //机房ID 2进制5位  32位减掉1位 31个
    private long datacenterId;
    //代表一毫秒内生成的多个id的最新序号  12位 4096 -1 = 4095 个
    private long sequence;
    //设置一个时间初始值    2^41 - 1   差不多可以用69年
    private long twepoch = 1585644268888L;
    //5位的机器id
    private long workerIdBits = 5L;
    //5位的机房id
    private long datacenterIdBits = 5L;
    //每毫秒内产生的id数 2 的 12次方
    private long sequenceBits = 12L;
    // 这个是二进制运算，就是5 bit最多只能有31个数字，也就是说机器id最多只能是32以内
    private long maxWorkerId = -1L ^ (-1L << workerIdBits);
    // 这个是一个意思，就是5 bit最多只能有31个数字，机房id最多只能是32以内
    private long maxDatacenterId = -1L ^ (-1L << datacenterIdBits);

    private long workerIdShift = sequenceBits;
    private long datacenterIdShift = sequenceBits + workerIdBits;
    private long timestampLeftShift = sequenceBits + workerIdBits + datacenterIdBits;
    private long sequenceMask = -1L ^ (-1L << sequenceBits);
    //记录产生时间毫秒数，判断是否是同1毫秒
    private long lastTimestamp = -1L;
    public long getWorkerId(){
        return workerId;
    }
    public long getDatacenterId() {
        return datacenterId;
    }
    public long getTimestamp() {
        return System.currentTimeMillis();
    }



    public IdWorker(long workerId, long datacenterId, long sequence) {

        // 检查机房id和机器id是否超过31 不能小于0
        if (workerId > maxWorkerId || workerId < 0) {
            throw new IllegalArgumentException(
                    String.format("worker Id can't be greater than %d or less than 0",maxWorkerId));
        }

        if (datacenterId > maxDatacenterId || datacenterId < 0) {

            throw new IllegalArgumentException(
                    String.format("datacenter Id can't be greater than %d or less than 0",maxDatacenterId));
        }
        this.workerId = workerId;
        this.datacenterId = datacenterId;
        this.sequence = sequence;
    }

    // 这个是核心方法，通过调用nextId()方法，让当前这台机器上的snowflake算法程序生成一个全局唯一的id
    public synchronized long nextId() {
        // 这儿就是获取当前时间戳，单位是毫秒
        long timestamp = timeGen();
        if (timestamp < lastTimestamp) {

            System.err.printf(
                    "clock is moving backwards. Rejecting requests until %d.", lastTimestamp);
            throw new RuntimeException(
                    String.format("Clock moved backwards. Refusing to generate id for %d milliseconds",
                            lastTimestamp - timestamp));
        }

        // 下面是说假设在同一个毫秒内，又发送了一个请求生成一个id
        // 这个时候就得把seqence序号给递增1，最多就是4096
        if (lastTimestamp == timestamp) {

            // 这个意思是说一个毫秒内最多只能有4096个数字，无论你传递多少进来，
            //这个位运算保证始终就是在4096这个范围内，避免你自己传递个sequence超过了4096这个范围
            sequence = (sequence + 1) & sequenceMask;
            //当某一毫秒的时间，产生的id数 超过4095，系统会进入等待，直到下一毫秒，系统继续产生ID
            if (sequence == 0) {
                timestamp = tilNextMillis(lastTimestamp);
            }

        } else {
            sequence = 0;
        }
        // 这儿记录一下最近一次生成id的时间戳，单位是毫秒
        lastTimestamp = timestamp;
        // 这儿就是最核心的二进制位运算操作，生成一个64bit的id
        // 先将当前时间戳左移，放到41 bit那儿；将机房id左移放到5 bit那儿；将机器id左移放到5 bit那儿；将序号放最后12 bit
        // 最后拼接起来成一个64 bit的二进制数字，转换成10进制就是个long型
        return ((timestamp - twepoch) << timestampLeftShift) |
                (datacenterId << datacenterIdShift) |
                (workerId << workerIdShift) | sequence;
    }

    /**
     * 当某一毫秒的时间，产生的id数 超过4095，系统会进入等待，直到下一毫秒，系统继续产生ID
     * @param lastTimestamp
     * @return
     */
    private long tilNextMillis(long lastTimestamp) {

        long timestamp = timeGen();

        while (timestamp <= lastTimestamp) {
            timestamp = timeGen();
        }
        return timestamp;
    }
    //获取当前时间戳
    private long timeGen(){
        return System.currentTimeMillis();
    }

    /**
     *  main 测试类
     * @param args
     */
    public static void main(String[] args) {

		IdWorker worker = new IdWorker(1,1,1);
		for (int i = 0; i < 22; i++) {
			System.out.println(worker.nextId());
		}
    }
}

Controller

@RestController
@RequestMapping("/testServer")
@Api(value="测试表server接口管理,，维护人:psh",tags ={"测试表server接口管理"})
public class TestServerController {
    
    @Autowired
    private TestServerService testServerService;

    /**
     * 根据主键查询
     *
     * @param id 测试表server主键
     * @return BaseResultModel对象
     */
    @ApiOperation(value="根据主键获取测试表server信息")
    @ApiImplicitParam(name="id",value="测试表server主键",dataType="Long", paramType = "query")
    @GetMapping("/getById")
    public BaseResultModel getById(@RequestParam("id") Long id) {
        return testServerService.getOneById(id);
    }
    
    /**
     * 新增
     *
     * @param req 实体类
     * @return BaseResultModel对象
     */
    @PostMapping(value = "/add")
    @ApiOperation(value="新增测试表server")
    public BaseResultModel insert(@RequestBody ReqTestServerAdd req) {
        return testServerService.insert(req);
    }

}

Guava布隆过滤器

@Component
public class GuavaBloomFilter {


    @Autowired
    private TestServerMapper mapper;

    @Resource
    private RedisTemplate<String, TestServer> redisTemplate;

    public static final String BIT_KEY = "BloomFilter";

    public static final String KEY = "test_Server:";


    //初始化Guava布隆过滤器，第一个参数是数据类型，第二个是容量，第三个是误判率
    public static BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()),
            10000, 0.03);


    //Java5的时候引入的注解，在项目启动的时候执行这个方法
    @PostConstruct
    public void init() {
        System.out.println("初始化GUAVA布隆过滤器------------------------>");
        //获取数据库数据，这里应该用流式查询
        QueryWrapper<TestServer> query = new QueryWrapper<>();
        query.eq("deleted", "0");
        List<TestServer> testServers = mapper.selectList(query);
        for (TestServer testServer : testServers) {
            String ss = KEY + testServer.getId();
            bloomFilter.put(ss);
        }
    }

}

Guava 的使用和自己实现的布隆过滤器没有什么区别

    @Override
    public BaseResultModel getByIdGuava(Long id) {
        String key = KEY + id;
        if (! bloomFilter.mightContain(key)){
            System.out.println("Guava布隆过滤器中不存在，不在向下执行");
            return BaseResultModel.success("Guava布隆过滤器中不存在");
        }
        System.out.println("key:"+key+",Guava布隆过滤器中存在，去redis查询");
        TestServer entity = redisTemplate.opsForValue().get(key);
        if (entity != null) {
            return BaseResultModel.success(entity);
        }
        //redis没有就需要去数据库查询，这里不能直接去查询redis，因为有可能造成缓存击穿问题，所以需要先获得锁
        synchronized (this){
            //拿到锁之后也不是直接查询数据库，而是在查询一遍redis，如果redis依然没有数据，才去查询数据库
            entity = redisTemplate.opsForValue().get(key);
            if (entity == null){
                entity = baseMapper.selectById(id);
                if (null == entity) {
                    throw new BaseException(ResultStatus.NO_RECORDS.getCode(), ResultStatus.NO_RECORDS.getMessage());
                } else {
                    //redis没有，数据库有，需要把数据回些到redis
                    redisTemplate.opsForValue().set(key, entity);
                }
            }
        }
        return BaseResultModel.success(entity);
    }