布隆过滤器--你可以永远相信布隆

最新推荐文章于 2024-04-21 07:56:14 发布

背书包的小新

最新推荐文章于 2024-04-21 07:56:14 发布

阅读量493

点赞数

分类专栏： Java 文章标签：算法数据结构哈希算法

本文链接：https://blog.csdn.net/weixin_53029342/article/details/127423508

版权

Java 专栏收录该内容

7 篇文章 8 订阅

订阅专栏

文章目录

一看到布隆这个名字想必大多数人都想到了LOL里的英雄布隆，作为一名常玩辅助的玩家，我也喜欢玩布隆。

哈哈哈，言归正传，我们来认识下一另一个布隆。

1. 什么是布隆过滤器

布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上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在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。

我们可以先假定布隆过滤器就是一个set集合，判断某个元素是否存在这个集合中。

有同学可能会问：那我们直接用HashMap去检索元素行不行呢，为啥还要用布隆过滤器呢？HashMap 确实可以帮助我们实现这个功能，而且 HashMap 通过一次运算就能确定某个元素的位置，也就可以帮助我们检查某个元素是否在一个集合中。那么我们接下来再思考一个问题：如果这个元素集合中有十亿个随机数，那我们怎样来判断某个数是否存在呢？首先就会带来非常大的空间消耗。

为了解决这个问题，我们的布隆过滤器出现了。

但是由于它是基于概率的，因此它存在一定的误判率，它的Contains()操作如果返回true只是表示元素可能存在集合内，返回false则表示元素一定不存在集合内。因此适合用于能够容忍一定误判元素存在集合内的场景，比如缓存。

它一秒能够进行上百万次操作（主要取决于哈希函数的速度），并且1亿数据在误判率1%的情况下，只需要114MB内存。

2. 布隆过滤器的原理

2.1 数据结构

布隆过滤器的数据结构是一个位向量，也就是一个由0、1所组成的向量（下面是一个初始向量）：

2.2 添加元素

每个元素添加进布隆过滤器前，都会经过多个不同的哈希函数，计算出不同的哈希值，然后映射到位向量上，也就是对应的位上面置1：

2.3 判断是否存在

判断元素是否存在也是如上图流程，根据哈希函数映射的位置，判断所有映射位置是否都为1，如果是则元素可能存在，否则元素一定不存在。

由于不同的值通过哈希函数之后可能会映射到相同的位置，因此如果一个不存在的元素对应的位位置都被其他元素所设置位1，则查询时就会误判：

假设上图元素3334并没有加入集合，但是由于它映射的位置已经被其他元素所映射，则查询时会误判。

2.4 删除元素

布隆过滤器对元素的删除不太支持，目前有一些变形的特定布隆过滤器支持元素的删除！关于为什么对删除不太支持，其实也非常好理解，hash冲突必然存在，删除肯定是带来连锁反应。

3. 布隆过滤器的优缺点

优点：

时间复杂度低，增加和查询元素的时间复杂度位O(N)（N位哈希函数的个数，通常情况下比较小）
保密性强，布隆过滤器不存储元素本身
存储空间小，如果允许存在一定的误判，布隆过滤器是非常节省空间的。

缺点：

存在一定的误判率，但可以通过调整参数来降低
无法获取元素本身
很难删除元素

4布隆过滤器的应用

布隆过滤器可以告诉我们 “某样东西一定不存在或者可能存在”，也就是说布隆过滤器说这个数不存在则一定不存，布隆过滤器说这个数存在可能不存在，利用这个判断是否存在的特点可以做很多有趣的事情。

解决Redis缓存穿透问题（面试重点）
邮件过滤，使用布隆过滤器来做邮件黑名单过滤
对爬虫网址进行过滤，爬过的不再爬
解决新闻推荐过的不再推荐(类似抖音刷过的往下滑动不再刷到)
HBase\RocksDB\LevelDB等数据库内置布隆过滤器，用于判断数据是否存在，可以减少数据库的IO请求

5 模拟实现布隆过滤器

定义一个hash函数

/**
 * 构建hash函数
 */
public class HashFunction {
    // 比特位的大小
    private int size;
    // hash算法的种子
    private int seed;

    public HashFunction() {
    }

    public HashFunction(int size, int seed) {
        this.size = size;
        this.seed = seed;
    }

    public int hash(String value) {
        int result = 0;
        int len = value.length();
        // 执行hash算法
        for (int i = 0; i < len; i++) {
            result = result * seed + value.charAt(i);
        }
        return (size - 1) & result;
    }
}

测试类

import java.util.BitSet;

public class MyBloomFilter {
    // 一个长度为10亿的比特位 2^30
    private static final int DEFAULT_SIZE = 256 << 22;

    // 为了降低错误率，使用假发hash算法，定义一个8个元素的质数数组作为种子
    private static final int[] seeds = {3, 5, 7, 11, 13, 31, 37, 61};

    // 构建了八个不同的hash算法
    private static HashFunction[] functions = new HashFunction[seeds.length];

    // 初始化布隆过滤器的bitmap，即位数组
    private static BitSet bitSet = new BitSet(DEFAULT_SIZE);

    // 添加数据
    public static void add(String value) {
        if (value != null) {
            for (HashFunction f : functions) {
                // 计算hash值并修改bitmap中相应位置位true
                bitSet.set(f.hash(value), true);
            }
        }
    }

    // 判断元素是否存在
    public static boolean contains(String value) {
        if (value == null)
            return false;
        boolean ok = true;
        for (HashFunction f : functions) {
            // 只要有一个hash值不存在就退出循环
            if (!bitSet.get(f.hash(value))) {
                ok = false;
                break;
            }
        }
        return ok;
    }

    public static void main(String[] args) {
        for (int i = 0; i < seeds.length; i++) {
            functions[i] = new HashFunction(DEFAULT_SIZE, seeds[i]);
        }

        // 添加1亿个元素
        for (int i = 0; i < 100000000; i++) {
            add(String.valueOf(i));
        }

        String id = "123456789";
        add(id);

        System.out.println("123456789 是否存在:" + contains(id));
        System.out.println("234567890 是否存在：" + contains("234567890"));
    }

}