布隆过滤器

布隆过滤器：
布隆过滤器是一个二进制的数组。

1. 首先，布隆过滤器会通过n个哈希函数，将数据计算为n个哈希值，再将n个哈希值，映射到数组中去（哈希值与数组下标对应），将数组中下标对应的0改为1。
2. n个数组下标对应的必须都是1，才能代表布隆过滤器存在该数据；只要有一个二进制数据不是1，那么便意味着布隆过滤器不存在这个数据
3. 布隆过滤器很难做到删除操作，这是因为某个下标对应的数组很可能存在多个数据，容易造成误删。

优点：

1. 布隆过滤器是由一串二进制数组组成的一个数据，所占空间比较小。
2. 插入和查询的速度快。因为它是计算这个数据的哈希值，再由哈希值映射到这个数组的下标，基于数组的这个特性，它的查询和插入是非常快的。只需根据算好的角标去找相应的数据就可以了，时间复杂度是O(K)（K代表的是哈希函数的个数）
3. 保密性非常好。存储的都是二进制数据，只有0和1。0和1 别人也不知道代表的是什么，本身也不储存这个原始的数据。

缺点

1. 很难进行删除的操作。
2. 存在误判。这个数据本身不存在于这个集合中，但是这个集合经过一系列的运算之后，它判断这个数据是存在于这个集合当中，因为不同的数据，经过计算出来的哈希值可能是相同的，所以存在相同的哈希值，就会存在这个误判的情况的。

误判不可避免，只能减少其发生的概率。
误差率越小。所需要的空间便越大，需要的哈希函数也就越多。

实现布隆过滤器的代码示例：
1.使用Guava方式实现
首先在pom.xml文件中引入

<dependency>
			<groupId>com.google.guava</groupId>
			<artifactId>guava</artifactId>
			<version>29.0-jre</version>
</dependency>

代码实现：

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);
  }
}

测试可知：

总共误判数为947，约等于误判率0.01

2.使用Redis来实现布隆过滤器
首先在pom.xml文件中插入：

<dependency>
  <groupId>org.redisson</groupId>
  <artifactId>redisson-spring-boot-starter</artifactId>
  <version>3.13.4</version>
</dependency>

Java代码：

public class RedissonBloomFilter {

	  public static void main(String[] args) {
	    Config config = new Config();
	    //redis的地址和密码
	    config.useSingleServer().setAddress("redis://127.0.0.1:6379");
        config.useSingleServer().setPassword("1234");
	    //构造Redisson
	    RedissonClient redisson = Redisson.create(config);

	    RBloomFilter<String> bloomFilter = redisson.getBloomFilter("phoneList");
	    //初始化布隆过滤器：预计元素为100000000L,误差率为3%
	    bloomFilter.tryInit(100000000L,0.03);
	    //将号码10011插入到布隆过滤器中
	    bloomFilter.add("10011");

	    //判断下面号码是否在布隆过滤器中
	    //输出true
	    System.out.println(bloomFilter.contains("10011"));
	    //输出false
	    System.out.println(bloomFilter.contains("1000000"));
	  }
	}

测试结果：