什么是布隆过滤器
布隆过滤器(Bloom Filter),是1970年,由一个叫布隆的小伙子提出的,距今已经五十年了。
它实际上是一个很长的二进制向量和一系列随机映射函数,二进制大家应该都清楚,存储的数据不是0就是1,默认是0。
主要用于判断一个元素是否在一个集合中,0代表不存在某个数据,1代表存在某个数据。
布隆过滤器用途
-
解决Redis缓存穿透
-
举例:在爬虫时,对爬虫网址进行过滤,已经存在布隆中的网址,不再爬取。
-
举例:垃圾邮件过滤,对每一个发送邮件的地址进行判断是否在布隆的黑名单中,如果在就判断为垃圾邮件。
布隆过滤器原理
存入过程
布隆过滤器上面说了,就是一个二进制数据的集合。当一个数据加入这个集合时,经历如下洗礼(这里有缺点,下面会讲):
- 通过K个哈希函数计算该数据,返回K个计算出的hash值
- 这些K个hash值映射到对应的K个二进制的数组下标
- 将K个下标对应的二进制数据改成1。
例如,第一个哈希函数返回x,第二个第三个哈希函数返回y与z,那么: X、Y、Z对应的二进制改成1。
查询过程
布隆过滤器主要作用就是查询一个数据,在不在这个二进制的集合中,查询过程如下:
-
通过K个哈希函数计算该数据,对应计算出的K个hash值
-
通过hash值找到对应的二进制的数组下标
-
判断:如果存在一处位置的二进制数据是0,那么该数据不存在。如果都是1,该数据存在集合中。(这里有缺点,下面会讲)
删除过程
一般不能删除布隆过滤器里的数据,这是一个缺点之一,我们下面会分析。
布隆过滤器的优缺点
优点
由于存储的是二进制数据,所以占用的空间很小
它的插入和查询速度是非常快的,时间复杂度是O(K),可以联想一下HashMap的过程
保密性很好,因为本身不存储任何原始数据,只有二进制数据
缺点
这就要回到我们上面所说的那些缺点了。
添加数据是通过计算数据的hash值,那么很有可能存在这种情况:两个不同的数据计算得到相同的hash值。
例如图中的“你好”和“hello”,假如最终算出hash值相同,那么他们会将同一个下标的二进制数据改为1。这个时候,你就不知道下标为2的二进制,到底是代表“你好”还是“hello”。
由此得出如下缺点:
-
存在误判
假如上面的图没有存"hello",只存了"你好",那么用"hello"来查询的时候,会判断"hello"存在集合中。
因为“你好”和“hello”的hash值是相同的,通过相同的hash值,找到的二进制数据也是一样的,都是1。 -
删除困难
还是用上面的举例,因为“你好”和“hello”的hash值相同,对应的数组下标也是一样的。
这时候想去删除“你好”,连“hello”都一起删了。(0代表有这个数据,1代表没有这个数据)
实现布隆过滤器
有很多种实现方式,其中一种就是Guava提供的实现方式。
- 引入Guava pom配置
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>29.0-jre</version>
</dependency>
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
public class BloomFilterCase {
/**
* 预计要插入多少数据
*/
private static int size = 1000000;
/**
* 期望的误判率
*/
private static double fpp = 0.01;
/**
* 布隆过滤器
*/
private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, fpp);
public static void main(String[] args) {
// 插入10万样本数据
for (int i = 0; i < size; i++) {
bloomFilter.put(i);
}
// 用另外十万测试数据,测试误判率
int count = 0;
for (int i = size; i < size + 100000; i++) {
if (bloomFilter.mightContain(i)) {
count++;
System.out.println(i + "误判了");
}
}
System.out.println("总共的误判数:" + count);
}
}
深入分析代码
@VisibleForTesting
static <T> BloomFilter<T> create(
Funnel<? super T> funnel, long expectedInsertions, double fpp, Strategy strategy) {
。。。。
}
参数
- funnel:数据类型(一般是调用Funnels工具类中的)
- expectedInsertions:期望插入的值的个数
- fpp:误判率(默认值为0.03)
- strategy:哈希算法
调整fpp误判率
情景一:fpp = 0.01
- 误判个数:947
- 占内存大小:9585058位数
情景总结
- 误判率可以通过fpp参数进行调节
- fpp越小,需要的内存空间就越大:0.01需要900多万位数,0.03需要700多万位数。
- fpp越小,集合添加数据时,就需要更多的hash函数运算更多的hash值,去存储到对应的数组下标里。(忘了去看上面的布隆过滤存入数据的过程)
Redis缓存穿透解决方案:布隆过滤器
首先,布孔过滤器类似于一个白名单、黑名单,主要元素就是判断元素存不存在一个过滤器中,核心在此。
白名单
场景:
前端发送一个查询请求,通过参数key,首先通过布隆过滤器,如果不存在过滤器(白名单)中,就会被过滤器给拦截,然后直接返回这个空数据给前端;如果key存在于过滤器中,就会往下执行正常的查Redis、mysql的流程;
这里有个流程4:如果mysql中查询不到这个key,说明什么?说明key在白名单中,单数MySQL查不到,也就是说布隆过滤器误判了!那么这个4路线就是打算把这个误判给删除,以防止下次重复同样的请求,但是由于布隆过滤器哈希碰撞导致删除很难(容易误伤),所以这个线路4是实际走不通的!
注意
- 整体来说,由于我们前面说到布隆过滤器的误判概率是比较小的,所以直接打到MySQL的概率也就小,这种情况不用过于担心!
- 所有合法参数key都要放到布隆过滤器、Redis中。
黑名单
场景:某视频网站推送视频给用户
布隆过滤器作用:当黑名单使用。
要求:已经推送过的视频,不在推送给用户
流程:当推送给用户一批视频时,先判断这些视频是否存在过滤器里,如果存在就不推送给用户,不存在就推送给用户,同时将推送过的视频存入过滤器黑名单里。防止下次重复推送。
代码:
用户实体类:
@Data
public class User implements Serializable {
public static String maYunPhone = "18890019390";
private Long id;
private String userName;
private Integer age;
}
/**
* 解决缓存穿透—白名单
*/
public class RedissonBloomFilter {
/**
* 构造Redisson
*/
static RedissonClient redisson = null;
static RBloomFilter<String> bloomFilter = null;
static {
Config config = new Config();
config.useSingleServer().setAddress("redis://127.0.0.1:6379");
//构造Redisson
redisson = Redisson.create(config);
//构造布隆过滤器
bloomFilter = redisson.getBloomFilter("userIdFilter");
// 将查询数据放入Redis缓存和布隆过滤器里
initData(redisson, bloomFilter);
}
public static void main(String[] args) {
User user = getUserById(2L);
System.out.println("user对象为:" + JSON.toJSONString(user));
}
private static void initData(RedissonClient redisson, RBloomFilter<String> bloomFilter) {
//初始化布隆过滤器:预计元素为100000000L,误差率为3%
bloomFilter.tryInit(100000000L,0.01);
//将id为1的数据,插入到布隆过滤器中
bloomFilter.add("1");
bloomFilter.add("2");
// 将id为1对应的user数据,插入到Redis缓存中
redisson.getBucket("1").set("{id:1, userName:'张三', age:18}");
}
public static User getUserById(Long id) {
if (null == id) {
return null;
}
String idKey = id.toString();
// 开始模拟缓存穿透
// 前端查询请求key
if (bloomFilter.contains(idKey)) {
// 通过了过滤器白名单校验,去Redis里查询真正的数据
RBucket<Object> bucket = redisson.getBucket(idKey);
Object object = bucket.get();
// 如果Redis有数据,直接返回该数据
if (null != object) {
System.out.println("从Redis里面查询出来的");
String userStr = object.toString();
return JSON.parseObject(userStr, User.class);
}
// 如果Redis为空,去查询数据库
User user = selectByDb(idKey);
if (null == user) {
return null;
} else {
// 将数据重新刷进缓存
redisson.getBucket(id.toString()).set(JSON.toJSONString(user));
}
return user;
}
return null;
}
private static User selectByDb(String id) {
System.out.println("从MySQL里面查询出来的");
User user = new User();
user.setId(1L);
user.setUserName("张三");
user.setAge(18);
return user;
}
}
部分转载于:
https://www.cnblogs.com/itlaoge/p/14219693.html