1.什么是布隆過濾器？
布隆過濾器（Bloom Filter）是一個叫做 Bloom 的老哥于1970年提出的。我們可以把它看作由二進制向量（或者說位數(shù)組）和一系列隨機映射函數(shù)（哈希函數(shù)）兩部分組成的數(shù)據(jù)結(jié)構(gòu)。相比于我們平時常用的的 List、Map 、Set 等數(shù)據(jù)結(jié)構(gòu)，它占用空間更少并且效率更高，但是缺點是其返回的結(jié)果是概率性的，而不是非常準(zhǔn)確的。理論情況下添加到集合中的元素越多，誤報的可能性就越大。并且，存放在布隆過濾器的數(shù)據(jù)不容易刪除。
位數(shù)組中的每個元素都只占用 1 bit ，并且每個元素只能是 0 或者 1。這樣申請一個 100w 個元素的位數(shù)組只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空間。
總結(jié)：一個名叫 Bloom 的人提出了一種來檢索元素是否在給定大集合中的數(shù)據(jù)結(jié)構(gòu)，這種數(shù)據(jù)結(jié)構(gòu)是高效且性能很好的，但缺點是具有一定的錯誤識別率和刪除難度。并且，理論情況下，添加到集合中的元素越多，誤報的可能性就越大。
2.布隆過濾器的原理介紹
當(dāng)一個元素加入布隆過濾器中的時候，會進行如下操作：
- 使用布隆過濾器中的哈希函數(shù)對元素值進行計算，得到哈希值（有幾個哈希函數(shù)得到幾個哈希值）。
- 根據(jù)得到的哈希值，在位數(shù)組中把對應(yīng)下標(biāo)的值置為 1。
當(dāng)我們需要判斷一個元素是否存在于布隆過濾器的時候，會進行如下操作：
- 對給定元素再次進行相同的哈希計算；
- 得到值之后判斷位數(shù)組中的每個元素是否都為 1，如果值都為 1，那么說明這個值在布隆過濾器中，如果存在一個值不為 1，說明該元素不在布隆過濾器中。
舉個簡單的例子：
如圖所示，當(dāng)字符串存儲要加入到布隆過濾器中時，該字符串首先由多個哈希函數(shù)生成不同的哈希值，然后在對應(yīng)的位數(shù)組的下表的元素設(shè)置為 1（當(dāng)位數(shù)組初始化時 ，所有位置均為0）。當(dāng)?shù)诙未鎯ο嗤址畷r，因為先前的對應(yīng)位置已設(shè)置為 1，所以很容易知道此值已經(jīng)存在（去重非常方便）。
如果我們需要判斷某個字符串是否在布隆過濾器中時，只需要對給定字符串再次進行相同的哈希計算，得到值之后判斷位數(shù)組中的每個元素是否都為 1，如果值都為 1，那么說明這個值在布隆過濾器中，如果存在一個值不為 1，說明該元素不在布隆過濾器中。
不同的字符串可能哈希出來的位置相同，這種情況我們可以適當(dāng)增加位數(shù)組大小或者調(diào)整我們的哈希函數(shù)。
綜上，我們可以得出：布隆過濾器說某個元素存在，小概率會誤判。布隆過濾器說某個元素不在，那么這個元素一定不在。
3.布隆過濾器使用場景
- 判斷給定數(shù)據(jù)是否存在：比如判斷一個數(shù)字是否存在于包含大量數(shù)字的數(shù)字集中（數(shù)字集很大，5億以上！）、 防止緩存穿透（判斷請求的數(shù)據(jù)是否有效避免直接繞過緩存請求數(shù)據(jù)庫）等等、郵箱的垃圾郵件過濾、黑名單功能等等。
- 去重：比如爬給定網(wǎng)址的時候?qū)σ呀?jīng)爬取過的 URL 去重。
4.通過 Java 編程手動實現(xiàn)布隆過濾器
我們上面已經(jīng)說了布隆過濾器的原理，知道了布隆過濾器的原理之后就可以自己手動實現(xiàn)一個了。
如果你想要手動實現(xiàn)一個的話，你需要：
- 一個合適大小的位數(shù)組保存數(shù)據(jù)
- 幾個不同的哈希函數(shù)
- 添加元素到位數(shù)組（布隆過濾器）的方法實現(xiàn)
- 判斷給定元素是否存在于位數(shù)組（布隆過濾器）的方法實現(xiàn)。
下面給出一個我覺得寫的還算不錯的代碼（參考網(wǎng)上已有代碼改進得到，對于所有類型對象皆適用）：
import java.util.BitSet;
public class MyBloomFilter {
/**
* 位數(shù)組的大小
*/
private static final int DEFAULT_SIZE = 2 << 24;
/**
* 通過這個數(shù)組可以創(chuàng)建 6 個不同的哈希函數(shù)
*/
private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};
/**
* 位數(shù)組。數(shù)組中的元素只能是 0 或者 1
*/
private BitSet bits = new BitSet(DEFAULT_SIZE);
/**
* 存放包含 hash 函數(shù)的類的數(shù)組
*/
private SimpleHash[] func = new SimpleHash[SEEDS.length];
/**
* 初始化多個包含 hash 函數(shù)的類的數(shù)組，每個類中的 hash 函數(shù)都不一樣
*/
public MyBloomFilter() {
// 初始化多個不同的 Hash 函數(shù)
for (int i = 0; i < SEEDS.length; i++) {
func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
}
}
/**
* 添加元素到位數(shù)組
*/
public void add(Object value) {
for (SimpleHash f : func) {
bits.set(f.hash(value), true);
}
}
/**
* 判斷指定元素是否存在于位數(shù)組
*/
public boolean contains(Object value) {
boolean ret = true;
for (SimpleHash f : func) {
ret = ret && bits.get(f.hash(value));
}
return ret;
}
/**
* 靜態(tài)內(nèi)部類。用于 hash 操作！
*/
public static class SimpleHash {
private int cap;
private int seed;
public SimpleHash(int cap, int seed) {
this.cap = cap;
this.seed = seed;
}
/**
* 計算 hash 值
*/
public int hash(Object value) {
int h;
return (value == null) ? 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));
}
}
}
測試：
String value1 = "https://javaguide.cn/";
String value2 = "https://github.com/Snailclimb";
MyBloomFilter filter = new MyBloomFilter();
System.out.println(filter.contains(value1));
System.out.println(filter.contains(value2));
filter.add(value1);
filter.add(value2);
System.out.println(filter.contains(value1));
System.out.println(filter.contains(value2));
Output:
false
false
true
true
測試：
Integer value1 = 13423;
Integer value2 = 22131;
MyBloomFilter filter = new MyBloomFilter();
System.out.println(filter.contains(value1));
System.out.println(filter.contains(value2));
filter.add(value1);
filter.add(value2);
System.out.println(filter.contains(value1));
System.out.println(filter.contains(value2));
Output:
false
false
true
true
5.利用Google開源的 Guava中自帶的布隆過濾器
自己實現(xiàn)的目的主要是為了讓自己搞懂布隆過濾器的原理，Guava 中布隆過濾器的實現(xiàn)算是比較權(quán)威的，所以實際項目中我們不需要手動實現(xiàn)一個布隆過濾器。
首先我們需要在項目中引入 Guava 的依賴：
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>28.0-jre</version>
</dependency>
實際使用如下：
我們創(chuàng)建了一個最多存放 最多 1500個整數(shù)的布隆過濾器，并且我們可以容忍誤判的概率為百分之（0.01）
// 創(chuàng)建布隆過濾器對象
BloomFilter<Integer> filter = BloomFilter.create(
Funnels.integerFunnel(),
1500,
0.01);
// 判斷指定元素是否存在
System.out.println(filter.mightContain(1));
System.out.println(filter.mightContain(2));
// 將元素添加進布隆過濾器
filter.put(1);
filter.put(2);
System.out.println(filter.mightContain(1));
System.out.println(filter.mightContain(2));
在我們的示例中，當(dāng)mightContain（） 方法返回true時，我們可以99％確定該元素在過濾器中，當(dāng)過濾器返回false時，我們可以100％確定該元素不存在于過濾器中。
Guava 提供的布隆過濾器的實現(xiàn)還是很不錯的（想要詳細了解的可以看一下它的源碼實現(xiàn)），但是它有一個重大的缺陷就是只能單機使用（另外，容量擴展也不容易），而現(xiàn)在互聯(lián)網(wǎng)一般都是分布式的場景。為了解決這個問題，我們就需要用到 Redis 中的布隆過濾器了。
6.Redis 中的布隆過濾器
6.1介紹
Redis v4.0 之后有了 Module（模塊/插件） 功能，Redis Modules 讓 Redis 可以使用外部模塊擴展其功能 。布隆過濾器就是其中的 Module。詳情可以查看 Redis 官方對 Redis Modules 的介紹 ：https://redis.io/modules
另外，官網(wǎng)推薦了一個 RedisBloom 作為 Redis 布隆過濾器的 Module,地址：https://github.com/RedisBloom/RedisBloom. 其他還有：
- redis-lua-scaling-bloom-filter （lua 腳本實現(xiàn)）：https://github.com/erikdubbelboer/redis-lua-scaling-bloom-filter
- pyreBloom（Python中的快速Redis 布隆過濾器） ：https://github.com/seomoz/pyreBloom
- …
RedisBloom 提供了多種語言的客戶端支持，包括：Python、Java、JavaScript 和 PHP。
6.2使用Docker安裝
如果我們需要體驗 Redis 中的布隆過濾器非常簡單，通過 Docker 就可以了！我們直接在 Google 搜索docker redis bloomfilter 然后在排除廣告的第一條搜素結(jié)果就找到了我們想要的答案（這是我平常解決問題的一種方式，分享一下），具體地址：https://hub.docker.com/r/redislabs/rebloom/ （介紹的很詳細 ）。
具體操作如下：
? ~ docker run -p 6379:6379 --name redis-redisbloom redislabs/rebloom:latest
? ~ docker exec -it redis-redisbloom bash
root@21396d02c252:/data# redis-cli
127.0.0.1:6379>
6.3常用命令一覽
注意： key:布隆過濾器的名稱，item : 添加的元素。
-
BF.ADD：將元素添加到布隆過濾器中，如果該過濾器尚不存在，則創(chuàng)建該過濾器。格式：BF.ADD {key} {item}。 -
BF.MADD: 將一個或多個元素添加到“布隆過濾器”中，并創(chuàng)建一個尚不存在的過濾器。該命令的操作方式BF.ADD與之相同，只不過它允許多個輸入并返回多個值。格式：BF.MADD {key} {item} [item ...]。 - **
BF.EXISTS** : 確定元素是否在布隆過濾器中存在。格式：BF.EXISTS {key} {item}。 -
BF.MEXISTS： 確定一個或者多個元素是否在布隆過濾器中存在格式：BF.MEXISTS {key} {item} [item ...]。
另外，BF.RESERVE 命令需要單獨介紹一下：
這個命令的格式如下：
BF.RESERVE {key} {error_rate} {capacity} [EXPANSION expansion] 。
下面簡單介紹一下每個參數(shù)的具體含義：文章來源：http://www.zghlxwxcb.cn/news/detail-677543.html
- key：布隆過濾器的名稱
- error_rate :誤報的期望概率。這應(yīng)該是介于0到1之間的十進制值。例如，對于期望的誤報率0.1％（1000中為1），error_rate應(yīng)該設(shè)置為0.001。該數(shù)字越接近零，則每個項目的內(nèi)存消耗越大，并且每個操作的CPU使用率越高。
- capacity: 過濾器的容量。當(dāng)實際存儲的元素個數(shù)超過這個值之后，性能將開始下降。實際的降級將取決于超出限制的程度。隨著過濾器元素數(shù)量呈指數(shù)增長，性能將線性下降。
可選參數(shù)：文章來源地址http://www.zghlxwxcb.cn/news/detail-677543.html
- expansion：如果創(chuàng)建了一個新的子過濾器，則其大小將是當(dāng)前過濾器的大小乘以
expansion。默認(rèn)擴展值為2。這意味著每個后續(xù)子過濾器將是前一個子過濾器的兩倍。
6.4實際使用
127.0.0.1:6379> BF.ADD myFilter java
(integer) 1
127.0.0.1:6379> BF.ADD myFilter javaguide
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter java
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter javaguide
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter github
(integer) 0
到了這里，關(guān)于數(shù)據(jù)結(jié)構(gòu)——布隆計算器的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
