实现一个简单的布隆过滤器
1 什么是布隆过滤器
布隆过滤器是一个叫Bloom的人提出来的,其数据结构是一个只包含01的数组,即位数组+随机散列函数(hash函数),主要用于判断一个元素在一个亿级容量的容器中是否存在。常用于解决Redis的缓存穿透。其优点是效率高,占用空间少;缺点是容易产生误判(有很小的几率会将不存在的元素判断为存在),并且数据不容易被删除。
2 怎样实现的?
图片源自:JavaGuide
结构:
- 定义一个位数组,默认都为0
- 实现若干个哈希函数
原理:
- 对一个元素进行添加操作时,分别用这若干个哈希函数对数据进行运算,将位数组中对应索引位置的元素变为1
- 判断某一个元素是否存在时,对每一个哈希函数计算出来的哈希值在数组中对应位置值是否为1,如果都为1,则判定为存在。
注意:由于哈希函数会存在哈希碰撞,因此可能某些哈希函数计算出来的值相同,会将不存在的元素判断为存在,只不过这样的概率极小而已(这种情况一般调整哈希函数或对数组进行扩充)。
3 使用场景
- 判断给定数据是否存在,Redis中防止缓存穿透,邮箱的垃圾邮件过滤、黑名单功能等等。
- 去重:如爬给定网站的时候对已爬取的url进行去重。
4 设计一个简单的布隆过滤器
public class MyBloomFilter {
// 位数组的大小
private final static int DEFAULT_CAPACITY = 2 << 22;
// 实现不同hash函数的参数数组
private final static int[] SEEDS = {3, 13, 46, 76, 91, 138};
// 定义位数组
private final BitSet bits = new BitSet(DEFAULT_CAPACITY);
// 存放哈希函数的类数组
private final SimpleHash[] func = new SimpleHash[SEEDS.length];
// 对哈希函数进行初始化
public MyBloomFilter() {
for (int i = 0; i < SEEDS.length; i++) {
func[i] = new SimpleHash(DEFAULT_CAPACITY, SEEDS[i]);
}
}
// 添加元素到位数组操作
public void add(Object value) {
for (int i = 0; i < SEEDS.length; i++) {
bits.set(func[i].hash(value), true);
}
}
// 判断是否存在操作
public boolean contains(Object value) {
boolean ret = true;
for (SimpleHash f : func) {
ret &= bits.get(f.hash(value));
}
return ret;
}
/*
静态内部类:用于实现不同的哈希函数
*/
private static class SimpleHash {
private final int cap;
private final int seed;
public SimpleHash(int cap, int seed) {
this.cap = cap;
this.seed = seed;
}
/**
* 计算哈希值
*/
public int hash(Object key) {
int h;
return (key == null) ? 0 : Math.abs(seed * (cap - 1) & ((h = key.hashCode()) ^ (h >>> 16)));
}
}
}
测试:
public class Test {
public static void main(String[] args) {
MyBloomFilter bloom = new MyBloomFilter();
String str = "我是张三";
String str1 = "我是李四";
// 添加张三
bloom.add(str);
// 判断张三李四
boolean flag = bloom.contains(str);
boolean flag1 = bloom.contains(str1);
System.out.println(flag); // true
System.out.println(flag1); // false
}
}
5 真正的布隆过滤器
-
谷歌开源的Guava中自带的布隆过滤器
<dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>28.0-jre</version> </dependency>
-
Redis中的过滤器
具体地址:https://hub.docker.com/r/redislabs/rebloom/
参考:JavaGuide