Redis 的布隆过滤器的安装及其使用

1：什么是布隆过滤器

1.1：使用场景

redis 中有这么个场景：缓存中没有，直接去数据库访问，其实数据库中也没有，数据库白白的浪费性能
以上就是 redis 的缓存穿透问题，布隆过滤器就是缓解这个问题而来的，注意是缓解，可以达到 99%，却不能完全解决。

解决方案：
1：将数据库已有的数据通过几个哈希函数得到几个 hash 值，在 bitmap 中进行二进制替换。
2：当一个请求到达，同样经过几个哈希函数得到几个hash值，然后检查这些哈希值中对应的比特值。如果有任意一个比特值为 0，则表明该元素一定不存在，如果所有比特值都是 1，则表明该元素可能存在。为什么不是一定存在呢？因为一个比特值为 1 有可能会受到其他元素的影响。

1.2：布隆过滤器

布隆过滤器是用于检测一个元素是否一定不存在或者有可能存在。

布隆过滤器是一个由 一个长度为 M 比特的位数组（bit array）与 K 个哈希函数（hash function） 组成的数据结构。
布隆过滤器主要用于用于检索一个元素是否在一个集合中。
位数组中的元素初始值都是 0 ，所有哈希函数可以把输入的数据均匀低散列。

优点：
不需要存储数据，只用比特表示，因此在空间占用率上有巨大的优势
检索效率搞，插入和查询的时间复杂度都为 O(K)（K 表示哈希函数的个数）
哈希函数之间相互独立，可以在硬件指令层次并行计算，因此效率较高。
缺点：
存在不确定的因素，无法判断一个元素是否一定存在，所以不适合要求 100% 准确率的场景
只能插入和查询元素，不能删除元素。

2：布隆过滤器的安装 （不要下载 master 版本）

redis 的安装已经写过，这篇博客基于已经安装好 redis 的 linux 系统，需要安装 redis ，可查看 https://blog.csdn.net/qq_40230026/article/details/122916454?spm=1001.2014.3001.5501

2.1: 找到源码压缩包地址

打开布隆过滤器的 GitHub地址 ：https://github.com/RedisBloom/RedisBloom
也可以通过 redis 的官方网站：https://redis.io/，进入后找到 Modules, 再找到 RedisBloom

找到发行版

复制压缩包的链接地址 ：

2.2：linux 系统中进行下载

将 RedisBloom 源码和 redis 放在一起（个人习惯），因此来到这个页面进行 RedisBloom 源码下载，也可以下载好通过 xftp 上传到此文件夹下

cd /jqk/redis
ls
# 需要先安装  wegt ,执行命令 yum -y install wget  
wegt https://github.com/RedisBloom/RedisBloom/archive/refs/heads/master.zip

解压

unzip  V.2.2.12.zip

2.3：编译

来到解压后的 redisbloom 文件夹下，进行编译

 cd RedisBloom-2.2.12/
 make 

查看编译后的文件夹，发现 多了一个 redisbloom.so 文件，移动到 /usr/local/redis/ 下

ls
mv redisbloom.so  /usr/local/red
cd /usr/local/redis
ls

2.4：启动 redis 挂载 redisbloom.so

方法一：通过命令方式挂载

redis-server  --loadmodule /usr/local/redis/redisbloom.so 

方法二：再配置文件里面添加

# 查看 6379 的配置文件
vim /etc/redis/6379.conf

2.5：启动 redis 客户端

redis-cli -p 端口 -a 密码 

3：布隆过滤器的使用

一个比特值为 0，则表明该元素一定不存在，如果所有比特值都是 1，则表明该元素可能存在

4：布隆过滤器被穿透

集成了 布隆过滤器，其实还是存在穿透的风险，有两种场景
1： redis 集成 布隆过滤器：查询穿透了，数据库中卻不存在， redis 中需要增加这个key，value 标记不存在，下次再查询，就不走布隆了，直接返回不存在
2：数据库单独集成 布隆过滤器：如果数据库中增加了元素，需要增加元素对布隆的增加

注意：上面虽然方案更加全面，但是同时也带来了新的问题，也就是 双写的问题，这个不是我们本文的重点，随便提一下