布隆过滤器

    一、介绍

    布隆过滤器是一个二进制数组，它的作用是判断一个数是否存在于这个数组，0表示不存在，1表示存在，如下图所示：

    二、添加

    如果要存入“你好”这个字符串，首先会经过n个哈希函数计算，会计算出不同的哈希值，然后将这几个哈希值映射到数组中，对应的位置的二进制数被修改为1，如下图所示：

    下标为3、5、7的位置被修改成了1

    三、查询

    比如说查询“你好”这个字符串，首先通过n个哈希函数计算出对应的数组位置是3、5、7，这三个位置的二进制数必须都是1才能表示“你好”这个字符串存在，这三个位置只要有一个位置不是1，那这个字符串就不存在。

    四、删除

    布隆过滤器对于删除操作存在误删的情况。

    比如现在有两个字符串“你好”和“hello”，假如经过了一系列的哈希运算，最终得出二者在数组的位置都是下标为2的位置，那么此时这个下标位置同时表示了两个数据，“你好”和“hello”，如下图所示：

    当要删除“你好”这个字符串时，会把下标为2的位置二进制数改为0，表示删除，但同时也会删除“hello”这个字符串，所以布隆过滤器存在误删现象。

    五、优缺点

    1、优点

    1、布隆过滤器是由二进制数组组成的，所以占用的空间非常小

    2、查询和插入操作速度快，根据哈希值计算出的位置去数组中寻找即可

    对应的时间复杂度是O(n)，n取决于哈希函数的个数，如果只有一个哈希函数，那么时间复杂度就是O(1)

    3、保密性好，存储的都是二进制数据，不存储数据本身

    2、缺点

    1、删除操作时存在误删情况

    2、由于不同的数据计算出的哈希值可能是相同的，所以存在误判的情况

    假设“hello”和“你好”这两个数据计算出的哈希值是相同的，但是此时布隆过滤器中只存在“你好”这个数据，当要查询“hello”时，计算出的哈希值在数组中寻找位置时发现这个位置是1，布隆过滤器就会告知“hello”这个数据是存在的，但实际上是不存在的。

    六、误判率

    在使用布隆过滤器的时候可以设置一个参数误判率：

    1、误判率越小，越不容易出现误判，但哈希函数会越多，导致占用的空间就越大

    2、误判率越大，越容易出现误判，但哈希函数会越少，导致占用的空间就越小

    为什么不只使用一个哈希函数，而要使用多个哈希函数呢？

    1、如果只有一个哈希函数，那么不同的数据计算出的哈希值有很大的概率是相同的，容易造成误判

    2、如果使用多个哈希函数，每一个哈希函数使用不用的哈希算法，这样的话，计算出的下标值就不容易相同

    所以哈希函数越多，计算出的哈希值就越多，误差率就越低，但对应的空间占用越大

    七、解决Redis缓存穿透问题

    1、缓存穿透指的是，请求的数据不存在于Redis中，导致请求直接达到了数据库，数据库无法承载过大的流量导致宕机。

    2、可以使用布隆过滤器存储所有可能访问的key，不存在的key直接被过滤，存在的key则再进一步查询缓存和数据库

    请求到达时首先查找Redis的布隆过滤器，如果没有命中，直接返回（数据不在布隆过滤器就大概率不在数据库），这样大量无效的请求就不会到达数据库

    如果命中了，才去Redis和数据库中找