布隆过滤器

        由一个初值都为零的bit数组和多个哈希函数构成，用来快速判断集合中是否存在某个元素。

• 高效插入和查询，占用空间少
• 不保存数据信息，只是在内存中做一个是否存在的标记
• 可以添加元素，不能删除元素，否则会增加误判率
• 一个元素如果判断结果：存在时，元素不一定存在；不存在时，则一定不存在

添加key时

使用多个hash函数对key进行hash运算得到一个整数索引值，对位数组长度进行取模运算得到一个位置，每个hash函数都会得到一个不同的位置，将这几个位置都置1就完成了add操作。

查询key时

只要有其中一位是零就表示这个key不存在，但如果都是1，则不一定存在对应的key。

        正是基于布隆过滤器的快速检测特性，我们可以在把数据写入数据库时，使用布隆过滤器做个标记。当缓存缺失后，应用查询数据库时，可以通过查询布降过滤器快速判断数据是否存在。如果不存在，就不用再去类据库中查询了。这样一来，即使发生缓存穿透了，大量请求只会查询Redis和布隆过滤器，而不会积压到数据库，也就不会影响数据库的正常运行。布降过滤器可以使用Redis实现，本身就能承担较大的并发访问压力。

简易示例

package com.example.redis;

import com.example.redis.pojo.User;
import com.example.redis.service.UserService;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.redis.core.RedisTemplate;

@SpringBootTest
public class BitMapAndBloomFilterTest {
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    @Autowired
    private UserService userService;

    public static final String USER_BITMAP_KEY = "user:";


    public boolean checkIfInBloomFilter(String key) {
        int hashValue = Math.abs(key.hashCode());
        long bitIndex = hashValue % (1L << 32);
        return redisTemplate.opsForValue().getBit("BloomFilter", bitIndex);
    }

    @Test
    public void test() {
        // 将部分数据放入redis和bloomFilter中
        // 假设bloomFilter中为白名单数据
        User user1 = userService.getById(11);
        String key1 = USER_BITMAP_KEY + user1.getId();
        redisTemplate.opsForValue().set(key1, user1);
        int hashValue1 = Math.abs(key1.hashCode());
        long bitIndex1 = hashValue1 % (1L << 32);
        redisTemplate.opsForValue().setBit("BloomFilter", bitIndex1, true);

        User user2 = userService.getById(12);
        String key2 = USER_BITMAP_KEY + user2.getId();
        redisTemplate.opsForValue().set(key2, user2);
        int hashValue2 = Math.abs(key2.hashCode());
        long bitIndex2 = hashValue2 % (1L << 32);
        redisTemplate.opsForValue().setBit("BloomFilter", bitIndex2, true);


        for (int userId = 11; userId <= 14; userId++) {
            System.out.println("--------------------------------------------------------");
            String key = USER_BITMAP_KEY + userId;
            if (checkIfInBloomFilter(key)) {    // bloomFilter中存在该数据，可能是白名单用户
                System.out.println(userId + "存在于BloomFilter");
                if (redisTemplate.opsForValue().get(key) != null) {
                    System.out.println(userId + "存在于redis");
                    System.out.println(userId + "的详细信息：" + redisTemplate.opsForValue().get(key));
                    continue;
                } else {
                    System.out.println(userId + "不存在于redis");
                }
            } else {    // bloomFilter中不存在该数据，一定不是白名单用户
                System.out.println(userId + "不存在于BloomFilter");
                continue;
            }

            // redis中不存在该数据，从数据库中查询
            User user = userService.getById(userId);
            if (user != null) {
                System.out.println(userId + "存在于数据库");
                System.out.println(userId + "的详细信息：" + user);
            } else {
                System.out.println(userId + "不存在于数据库");
            }
        }
    }


}