布隆过滤器 - Bloom Filter
参考链接:
1:JavaGuide - 布隆过滤器
2:亿级数据过滤和布隆过滤器
0.引言
P:我们平时在刷抖音时,开发人员如何保证 不会刷到同样的内容 ?
- 1:把算法推荐中的内容根据历史记录做一遍筛选?在用户量大,用户查看内容多的场景,性能低
- 2:历史记录全部计入缓存?资源量大,并且会随着时间逐渐上涨,服务器耗费up
- 3:布隆过滤器?专门用于解决去重问题,存在一定误判概率但是在去重的同时能节省90%的空间
1.使用场景
- 1:在数据量很大(5亿以上)的场景下判断某一数据是否存在。对比hashMap节省了很大的存储空间
- 2:黑名单、邮箱的垃圾邮件过滤。正常邮件被放入垃圾邮箱,就是布隆过滤器的误判导致
- 3:去重。例如爬虫时,对已经爬取过的内容去重
- 4:缓存穿透(非法用户会使用一般数据库里没有的key来进行访问导致请求一直打到数据库,导致数据库崩溃)。布隆过滤器删除key困难(会影响其他key),更建议直接使用redis set(设置过期时间)
2.什么是布隆过滤器
(1) 数据结构
布隆过滤器(Bloom Filter)1970年由Bloom的老哥提出
它由一个二进制数组来记录数据的相关性,数组中只有1或0
二进制数组的优势:申请一个 100w 个元素的位数组只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空间。
因为数组为固定长度,在数据量越多而空间越少的情况,判断误差率会变大
(2) 原理
当一个元素加入布隆过滤器时:
- 布隆过滤器中的多个哈希函数对元素值进行计算,得到索引值,之后数组长度对该索引值取模算的数组位置
- 多个哈希函数有多个计算后的数组位置,置为1,完成add操作
当判断一个元素是否存在时:
- 多个哈希函数对元素值计算出位置后,如果有一个位置值为0,则肯定不存在
- 如果多个位置值都为1,则表示极有可能存在(可能其他元素把这几个位置提前置为1了,导致的误判&#x