实现的redis布隆过滤器_Redis系列（四）：布隆过滤器（Bloom Filter）

在程序的世界中，Bloom Filter(布隆过滤器)是程序员的一把利器，通过Bloom Filter可以快速地解决项目中一些比较棘手的问题，比如Redis中常见的缓存穿透问题等。通过本篇文章总结布隆过滤器相关知识的同时，希望让更多的小伙伴了解布隆过滤器，并能够在实际项目中使用它☺！

Bloom Filter概念

Bloom Filter(布隆过滤器)是1970年由Burton Howard Bloom提出的，是一种数据结构，比较巧妙的概率型数据结构，支持高效的插入和查询。实际上就是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否存在于一个集合中。

---

☆☆☆ 当一个元素被加入集合时，通过K个散列函数将这个元素映射成一个位数组中的K个点，把它们置为1。检索时，我们只要看看这些点是不是都是1就(大约)知道集合中有没有它了：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能在。这就是布隆过滤器的基本思想。☆☆☆

---

布隆过滤器的优点是空间效率和查询时间远超一般的算法，缺点是有一定的误识别率和删除困难。也就是说：

• 当布隆过滤器判断某个值存在时，这个值可能不存在
• 当布隆过滤器判断某个值不存在时，这个值一定不存在

Bloom Filter设计原理

Bloom Filter本质上是一个长度为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。位数组元素均初始化为0，所有哈希函数都可以把输入数据尽量均匀地散列。

Bloom Filter示意图

① 当插入一个元素时，将其数据分别输入k个哈希函数中，产生k个哈希值，以哈希值作为位数组中的下标，将所有k个对应的比特置为1。② 当查询(即判断元素是否存在)一个元素时，同样将其数据输入k个哈希函数，然后检查对应的k个比特。如果有任意一个比特为0，表明元素一定不在集合中；如果所有比特均为1，表明元素大概率在集合中。

如上图所示：是m=18，k=3的Bloom Filter实例。集合中的x，y，z三个元素通过三个不同的哈希函数散列到位数组中。当查询元素w时，因为有一个比特位值为0，所以w一定不存在于该集合中。

• 看到这里，大家是否觉得和Bit-Map有相似之处呢？

Bloom Filter和Bit-Map不同之处仅在于：Bloom Filter使用了k个哈希函数，每个元素与k个bit位相对应，从而降低了冲突的概率。

Bloom Filter使用场景

1. 判断给定数据是否存在
   1. 判断一个数字是否存在于包含大量数字的集合中(数据集很大)
   2. 防止缓存穿透(判断请求的数据是否有效避免直接绕过缓存去请求数据库)
   3. 黑名单或垃圾消息过滤等

2. 去重
   1. 爬去给定网址URL去重

Bloom Filter实现

布隆过滤器实现版本很多，常用的是Guava中提供的实现。

• 当我们使用Bloom Filter时，绕不过的两点是预估数据量n以及期望的误识别率fpp
• 当我们实现Bloom Filter时，绕不过的两点是hash函数的选取以及bit位数组的大小

对于一个确定的场景，我们预估要存的数据量为n，期望的误判率为fpp，然后需要计算我们需要的bit数组的大小m，以及hash函数的个数k，并选择hash函数！

1. bit数组大小的选择

根据预估数据量n以及误识别率fpp，bit数组大小m的计算方式为：

bit位数组大小m计算方式

2. 哈希函数的选择

由预估数据量n以及bit位数组大小m，可以得到hash函数的个数k为：

hash函数个数k计算方式

上述只是简单的选择策略！

我们实际项目使用Guava实现版本，只需要引入Guava包即可：

 com.google.guava            guava 

// 测试Guava布隆过滤器实现public class TestBloomFilter {    private static int total = 1000000;    private static BloomFilter bf = BloomFilter.create(Funnels.integerFunnel(), total);    public static void main(String[] args) {        // 初始化1000000条数据到过滤器中        for (int i = 0; i < total; i++) {            bf.put(i);        }        // 匹配已在过滤器中的值，是否有匹配不上的        for (int i = 0; i < total; i++) {            if (!bf.mightContain(i)) {                System.out.println("未匹配上~~~");            }        }        // 匹配不在过滤器中的10000个值，有多少匹配出来        int count = 0;        for (int i = total; i < total + 10000; i++) {            if (bf.mightContain(i)) {                count++;            }        }        System.out.println("误伤的数量：" + count);    }}

---

往期精彩文章

Redis系列(三)：Redis持久化机制(RDB & AOF)

Redis系列(二)：跳跃表详解

Redis系列(一)：与Redis的第一次相识

MySQL系列之精华篇

MySQL系列(四)：MVCC多版本并发控制

MySQL系列(三)：数据库锁

MySQL系列(二)：索引

MySQL系列(一)：事务隔离级别