判断存在的数据结构——布隆过滤器

前言

        上次谈到redis的缓存的缓存穿透问题。当时我们谈到了布隆过滤器，这次我们就详细谈谈布隆过滤器。在学习布隆过滤器之前，我们要有一些哈希算法的知识（如果没有可以看一下我的上一篇文章）。
利用了哈希算法的压缩性和离散性。

什么是布隆过滤器？

        布隆过滤器，本质就是一个只存 “1”和“0”的数组。利用哈希算法往这个数组里存值。通过这个10数组判断是否存过这个实体。

        这样说起来还是有些模糊，我们通过他的存值过程来理解一下这个结构。

向布隆过滤器中存数据（布隆过滤器的初始化）

        过程：进行多次哈希，每次哈希的哈希值对这个数组的长度取余（这样这个哈希值就一定能找到在这个数组上的位置）将这个数组中对应的位置变成1。

        图解：

        1.放入第一个实体的过程。

               1）第一次进行哈希。

                

                 2）进行哈希后，将数组的值进行改变。

                

                3）重复上述过程，这个实体就被放入这个布隆过滤器中了。

                哈希的次数越多，放一个实体和判断一个实体是否存在的时间越长，但误判率越低。这里我们以4次哈希举例子。重复上述过程4次后，这个实体就这样被放到布隆过滤器中了。

                

        2.放入第二个实体的过程。

            同理，我们放入实体2，网上大部分的图将这个实体2放到上面了，我感觉把它放到下面会比较清晰就放到下面了。大家在看到这里的时候可能会看着这个线比较多比较乱，但是这个地方线不是重要的东西，而这个10数组才重要。Ps：这里特意将实体和实体2的第一次哈希都放到了第二个位置，模拟哈希冲突。

        

        重复上面的过程，将这些实体都放入这个布隆过滤器中（这里我们以两个实体为例）。

布隆过滤器完成初始化

        此时布隆过滤器已经完成了他的初始化。现在布隆过滤器就是这样的一个结构。

        

 使用布隆过滤器进行存在判断

         过程：现在布隆过滤器已经完成了初始化。现在来了一个实体3，使用布隆过滤器判断实体3是否存在。

        当一个实体3来了，进行上面相同的哈希操作（这里4次），发现哈希打到的地方都为1说明这个实体存在，当这4次哈希里有一个为0说明不存在。

        

        这个实体3，经过前三次哈希都和实体相同，第四次哈希在一个0处。此时说明实体3和实体不是一个实体。当然布隆过滤器只能判断来的这个实体3是否存在，不能判断他和谁相等。

        但是还有一种情况：

        

      第四次的地方也是1，但是我们的实体3其实是不存在我们这个布隆过滤器中的，但此时布隆过滤器也会判定他存在。

      因为前三次的哈希与实体1有了碰撞，第四次哈希与实体2有了碰撞。这样就产生了误判的情况。当你哈希的次数多就会减少这种碰撞，从而减少误判率。

        上述就是布隆过滤器的初始化和布隆过滤器的使用过程了。

缺点：

        上述的初始化过程不难看出，布隆过滤器的缺点就是不能删除，如果我们删除实体1，将放入实体1时变为1的0重新变回去的话，那么实体2第一次哈希（在第一次哈希的时候与实体1有了冲突）的地方也变回去了，这样也把实体2给删除了，此时布隆过滤器就已经被破坏掉了。即实体2在进来进行判断的时候，布隆过滤器就会判断实体2也不存在。所以当删除的时候就要重新构造布隆过滤器了。

总结：

        布隆过滤器用一串01数组（极小的空间）就将大量的数据是否存在的信息存储了起来，通过这个过滤器可以在查询数据库之前，先过滤掉大量的不存在的数据的请求，大量减小了数据库的压力。

一点絮叨：

        作文之时，生怕自己的理解出现问题，又恐自己的文笔不能将自己的意思表达清楚而误导大家，但文中难免有不足之处，希望各位朋友能够在评论区留言评论或与我私聊沟通。

        正像周志明前辈在《深入理解java虚拟机》中说的，“写书和写程序一样，作品一定都是不完美的，因为不完美，我们才有不断追求完美的动力”。

        无名小辈，才疏学浅，希望这篇文章能够给您带来帮助，希望各位前辈多多指点和批评。