Java实现布隆过滤器

1.什么是布隆过滤器？

由二进制向量（或者说位数组）和一系列随机映射函数（哈希函数）两部分组成的数据结构。相比于平时常用的的 List、Map 、Set 等数据结构，它占用空间更少并且效率更高，但是缺点是其返回的结果是概率性的，而不是非常准确的。理论情况下添加到集合中的元素越多，误报的可能性就越大。并且，存放在布隆过滤器的数据不容易删除。

2.布隆过滤器的原理

加入一个元素布隆过滤器中：

• 使用布隆过滤器中的哈希函数对元素值进行计算，得到哈希值（有几个哈希函数得到几个哈希值）。
• 根据得到的哈希值，在位数组中把对应下标的值置为 1。

判断一个元素是否存在于布隆过滤器中：

• 对给定元素再次进行相同的哈希计算；
• 得到值之后判断位数组中的每个元素是否都为 1，如果值都为 1，那么说明这个值在布隆过滤器中，如果存在一个值不为 1，说明该元素不在布隆过滤器中。

3.布隆过滤器使用场景

• 判断给定数据是否存在：比如判断一个数字是否在于包含大量数字的数字集中（数字集很大，5亿以上）、 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请求数据库）、邮箱的垃圾邮件过滤、黑名单功能等等。
• 去重：爬给定网址的时候对已经爬取过的 URL 去重。

4.Java实现布隆过滤器

import java.util.BitSet;

public class MyBloomFilter {
    //位数组大小
    private static final int DEFAULT_SIZE = 2 << 24;

    //通过这个数组创建多个hash函数
    private static final int[] seeds = new int[]{ 6, 18, 64, 89, 126, 189, 223};

    //初始化位数组
    private BitSet bits = new BitSet(DEFAULT_SIZE);

    //hash函数数组
    private MyHash[] myHashes = new MyHash[seeds.length];

    //初始化seed.length个hash函数
    public MyBloomFilter(){
        for (int i = 0; i < seeds.length; i++) {
            myHashes[i] = new MyHash(DEFAULT_SIZE, seeds[i]);
        }
    }

    //添加元素到位数组
    public void add(Object obj){
        for (MyHash myHash : myHashes) {
            bits.set(myHash.hash(obj), true);
        }
    }

    //判断元素是否存在于位数组
    public boolean contains(Object obj){
        boolean result = true;

        for (MyHash myHash : myHashes) {
            result = result && bits.get(myHash.hash(obj));
        }

        return result;
    }

    //自定义hash函数
    public static class MyHash{
        private int cap;
        private int seed;

        public MyHash(int cap, int seed){
            this.cap = cap;
            this.seed = seed;
        }

        //计算hash值
        public int hash(Object obj){
            return (obj == null) ? 0:Math.abs(seed*(cap - 1) & ((obj.hashCode()) ^ (obj.hashCode() >>> 16)));
        }
    }
}