布隆过滤器原理

数据结构

采用bit数组+hash函数,用多个不同的hash函数计算相同的值在bit数组上的位置

布隆过滤器的特点:

从容器的角度来说:

  1.如果布隆过滤器判断元素在集合中存在,不一定存在

  2.如果布隆过滤器判断不存在,一定不存在

从元素的角度来说:

  3.如果元素实际存在,布隆过滤器一定判断存在

  4.如果元素实际不存在,布隆过滤器可能判断存在

Guava的实现

<dependency>
      <groupId>com.google.guava</groupId>
      <artifactId>guava</artifactId>
      <version>21.0</version>
    </dependency>

package redis;
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
//容器里判断不存在的数据一定不存在
public class BLTest {
    public static void main(String[] args) {
        //创建布隆过滤器对象,存放500个元素,误判率1%
        BloomFilter<Integer> filter = BloomFilter.create(Funnels.integerFunnel(), 500, 0.01);
        //判断指定元素是否存在
        System.out.println(filter.mightContain(10));
        System.out.println(filter.mightContain(20));
        //将元素添加进布隆过滤器
        filter.put(10);
        filter.put(20);
        //再判断指定元素是否存在
        System.out.println(filter.mightContain(10));
        System.out.println(filter.mightContain(20));
    }
}