1. 是什么

===》布隆过滤器

优点是空间效率和查询时间都远远超过一般的算法
缺点是有一定的误识别率和删除困难。

2. 原理

挺喜欢周阳老师说过一句话，不懂底层原理的程序员不配称为程序员

布隆过滤器说简单也简单，其实就是对一个数字(id = 1)进行K次Hash映射，将映射的K次位置变为1

现在我们再去查询id = 1这个数据，经过K次Hash，布隆过滤器判定我们的数据在数据库中存在，将我们放行

在这里插入图片描述

缺点

误差判断

我们上图可以看出，由于一些Hash算法的特殊性，可能会导致我们判断d在我们的数据库中，进行查询

删除困难

一个放入容器的元素映射到bit数组的k个位置上是1，删除的时候不能简单的直接置为0，可能会影响其他元素的判断。删除使用=Counting Bloom Filter

Bloom Filter 实现

布隆过滤器有许多实现与优化，Guava中就提供了一种Bloom Filter的实现。

在使用bloom filter时，绕不过的两点是预估数据量n以及期望的误判率fpp，

在实现bloom filter时，绕不过的两点就是hash函数的选取以及bit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

bit数组大小的选择

根据预估数据量n以及误判率fpp，m = - nlnfpp/(ln2)^2

哈希个数K的选择

Hash函数的个数：k = m/n ln2

验证布隆过滤器

测试分两步：

往过滤器中放一百万个数，然后去验证这一百万个数是否能通过过滤器
另外找一万个数，去检验漏网之鱼的数量

/**
 * 测试布隆过滤器(可用于redis缓存穿透)
 */
public class TestBloomFilter {
    
    

    private static int total = 1000000;
    private static BloomFilter<Integer> bf = BloomFilter.create(Funnels.integerFunnel(), total);
//    private static BloomFilter<Integer> bf = BloomFilter.create(Funnels.integerFunnel(), total, 0.001);

    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("有坏人逃脱了~~~");
            }
        }

        // 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);
    }

}

运行结果：

在这里插入图片描述
运行结果表示，遍历这一百万个在过滤器中的数时，都被识别出来了。一万个不在过滤器中的数，误伤了320个，错误率是0.03左右。

源码实战

public static <T> BloomFilter<T> create(Funnel<? super T> funnel, int expectedInsertions) {
    
    
        return create(funnel, (long) expectedInsertions);
    }  

    public static <T> BloomFilter<T> create(Funnel<? super T> funnel, long expectedInsertions) {
    
    
        return create(funnel, expectedInsertions, 0.03); // FYI, for 3%, we always get 5 hash functions
    }

    public static <T> BloomFilter<T> create(
          Funnel<? super T> funnel, long expectedInsertions, double fpp) {
    
    
        return create(funnel, expectedInsertions, fpp, BloomFilterStrategies.MURMUR128_MITZ_64);
    }

    static <T> BloomFilter<T> create(
      Funnel<? super T> funnel, long expectedInsertions, double fpp, Strategy strategy) {
    
    
     ......
    }

BloomFilter一共四个create方法，不过最终都是走向第四个。看一下每个参数的含义：

funnel：数据类型(一般是调用Funnels工具类中的)

expectedInsertions：期望插入的值的个数

fpp 错误率(默认值为0.03)

strategy 哈希算法(我也不懂啥意思)Bloom Filter的应用

在最后一个create方法中，设置一个断点：

在这里插入图片描述

上面的numBits，表示存一百万个int类型数字，需要的位数为7298440，700多万位。理论上存一百万个数，一个int是4字节32位，需要481000000=3200万位。如果使用HashMap去存，按HashMap50%的存储效率，需要6400万位。可以看出BloomFilter的存储空间很小，只有HashMap的1/10左右

上面的numHashFunctions，表示需要5个函数去存这些数字

使用第三个create方法，我们设置下错误率：

private static BloomFilter<Integer> bf = BloomFilter.create(Funnels.integerFunnel(), total, 0.0003);

在这里插入图片描述

此时误伤的数量为4，错误率为0.04%左右。
在这里插入图片描述

当错误率设为0.0003时，所需要的位数为16883499，1600万位，需要12个函数

和上面对比可以看出，错误率越大，所需空间和时间越小，错误率越小，所需空间和时间越大

应用场景

进行数据收集监控数据时，查看是否被记录
爬虫：已经爬过的网站不需要再爬了
垃圾邮件过滤

【Redis】布隆过滤器

目录