一站式学习Redis 从入门到高可用分布式实践 (Redis分布式布隆过滤器)

• 引出布隆过滤器
• 布隆过滤器与原理
• 布隆过滤器误差率
• 本地布隆过滤器
• Redis单机布隆过滤器
• Redis分布式布隆过滤器

---

1、引出布隆过滤器

• 情景应用

现有50亿个电话号码，现有10万个电话号码，要快速准确判断这些号码是否已经存在?

• 1.通过数据库查询:实现快速有点难
• 2.数据预存放在集合中:50亿*8=40GB(资源浪费)
• 3.hyperloglog:准确有点难

类似问题有:

• 垃圾邮件过滤
• 文字处理软件
• 网络爬虫重复url检测
• Hbase行过滤

2、布隆过滤器原理

1970年波顿布隆提出，用很小的空间，解决上述问题。
实现原理:一个很长的二进制向量(位图bitmap)和若干个哈希函数。

上述n(50亿)个八位数字分别经过k个哈希函数,分别将取得的哈希值和m取模，计算如果在二进制中有则制为1，否则为0。

2.1 布隆过滤器构建

参数:m个二进制向量,n(50亿个手机号码)个预备数据,k(8位)个哈希函数

构建布隆过滤器:n个预备数据走一边上面过程

• 判断元素存在:走一遍上面过程:如果都是1，则在表明表明存在，反之不存在。

类似应用:
面试题：1000瓶水其中有一瓶水有毒，有10只老鼠并且只要老鼠喝了有毒的水必死。请问怎样通过一次实验找出有毒的那瓶水。

2.2 误差率

• 肯定存在误差:恰好都命中了

• 可能出现对的数据肯定都是对的，但是错的数据也有可能当成对的

分析:因为哈希函数是不变的，因为已经预写过一遍，所以对的数据肯定是对的；但是错的数据也有可能落在对的数据上，所以会差生误差。(原因:哈希函数自变量x范围无穷大，而取值范围有限)

• 直观因素:m/n的比率,hash函数的个数

• 这里当m/n越大时，误差率越低，(位图)占用空间内存也越大；

• 当k很小(为1)误差率很高，只有一个哈希函数不可靠，但当k很大时，误差率也会很高，位图全被描黑，查询的url全都显示有。

(位图大小) m和误差关系

k和误差关系

---

• 布隆过滤器的应用 Hadoop、Redis缓存穿透可以采用布隆过滤器。

3.本地布隆过滤器

• 现有库 :guava
• 使用方法:
  
• 缺点

(1) 容量受限制
(2) 多个应用存在多个布隆过滤器,构建同步复杂

4.基于Redis布隆过滤器

• 基于位图实现

• 实现方法

定义布隆过滤器构造参数:m、n、k、误差概率
定义布隆过滤器操作函数:add和contain
封装Redis位图操作
开发测试样例

基于Redis单机实现存在的问题

• 速度慢:毕本地幔，输在网络

解决:单独部署，应用同机房甚至机架部署

• 容量受限:Redis最大字符串为512MB、Redis单机容量。

解决:基于Redis Cluster实现

5.分布式布隆过滤器

分布式布隆过滤器的实现参考

附录

缓存穿透(穿透)：布隆过滤器，返回null值
缓存击穿(量太大，缓存过期):设置热点数据不过期，加互斥锁
缓存雪崩(缓存集中过期失效停机断网):异地多活，限流降级，数据预热(随机设置过期时间)