布隆过滤器原理和使用场景

1.什么是布隆过滤器

Bloom Filter 会使用一个较大的 bit 数组来保存所有的数据，数组中的每个元素都只占用 1 bit ，并且每个元素只能是 0 或者 1（代表 false 或者 true），用于检索元素是否存在于大集合中的数据结构。

缺点是：有一定的错误识别率

2.原理介绍

核心原理：

• 数据结构：二进制数组+多个哈希函数组成
• 添加元素：通过多个哈希函数计算得到多个位数组位置，将这些位置设为1
• 查询元素：进行相同的哈希计算，判断数组中每个位置的元素是否都为1，如果都为1，则可能存在，如果有一个值不为1，则一定不存在。

不同的字符串可能哈希出来的位置相同，这种情况我们可以适当增加位数组大小或者调整我们的哈希函数。

综上，我们可以得出：布隆过滤器说某个元素存在，小概率会误判。布隆过滤器说某个元素不在，那么这个元素一定不在。

3.使用场景

主要是两种场景：

• 判断给定数据是否存在

  • 缓存穿透防护（拦截不存在的数据请求，避免频繁查询数据库）
  • 邮箱垃圾邮件过滤（判断一个邮件地址是否在垃圾邮件列表中）
  • 黑名单功能（判断一个IP或者手机号等是否在黑名单中）

• 去重

  • 爬虫URL去重（爬给定网址时对已爬过的URL去重）
  • 对巨量QQ号、订单号去重
  • 抖音推荐功能，推荐的视频不重复

4.具体实现（java手写）

了解了布隆过滤器的原理，可以手动实现一个，关键步骤有：

• 一个合适大小的位数组
• 几个不同的哈希函数
• 添加元素到位数组的方法实现
• 查询方法，即判断元素是否在位数组的方法实现

直接贴一个代码案例：

import java.util.BitSet;

public class MyBloomFilter {

    /**
     * 位数组的大小
     */
    private static final int DEFAULT_SIZE = 2 << 24;
    /**
     * 通过这个数组可以创建 6 个不同的哈希函数
     */
    private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};

    /**
     * 位数组。数组中的元素只能是 0 或者 1
     */
    private BitSet bits = new BitSet(DEFAULT_SIZE);

    /**
     * 存放包含 hash 函数的类的数组
     */
    private SimpleHash[] func = new SimpleHash[SEEDS.length];

    /**
     * 初始化多个包含 hash 函数的类的数组，每个类中的 hash 函数都不一样
     */
    public MyBloomFilter() {
        // 初始化多个不同的 Hash 函数
        for (int i = 0; i < SEEDS.length; i++) {
            func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
        }
    }

    /**
     * 添加元素到位数组
     */
    public void add(Object value) {
        for (SimpleHash f : func) {
            bits.set(f.hash(value), true);
        }
    }

    /**
     * 判断指定元素是否存在于位数组
     */
    public boolean contains(Object value) {
        boolean ret = true;
        for (SimpleHash f : func) {
            ret = ret && bits.get(f.hash(value));
        }
        return ret;
    }

    /**
     * 静态内部类。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;
        }

        /**
         * 计算 hash 值
         */
        public int hash(Object value) {
            int h;
            return (value == null) ? 0 : Math.abs((cap - 1) & seed * ((h = value.hashCode()) ^ (h >>> 16)));
        }

    }
}

5.中间件实现

Guava实现的布隆过滤器

Guava 中布隆过滤器的实现算是比较权威的，缺陷是只能单机使用。要想在分布式场景使用，需要用redis的布隆过滤器。

具体代码实现可以自行搜索

Redis的布隆过滤器

Redis官网推荐了一个 RedisBloom 作为 Redis 布隆过滤器的 Module，地址：https://github.com/RedisBloom/RedisBloom

除此之外，还有其他模块的布隆过滤器。

基础操作命令

命令	作用	示例
BF.ADD	向布隆过滤器添加单个元素，若key不存在则自动创建（默认参数：error_rate=0.01, capacity=100）。	BF.ADD user_filter "user:1001"
BF.MADD	批量添加多个元素到布隆过滤器。	BF.MADD user_filter "user:1002" "user:1003"
BF.EXISTS	判断单个元素是否可能存在于过滤器中（返回1可能存在，0一定不存在）。	BF.EXISTS user_filter "user:1001"
BF.MEXISTS	批量判断多个元素是否存在。	BF.MEXISTS user_filter "user:1001" "invalid_user"

实际使用：

127.0.0.1:6379> BF.ADD myFilter java
(integer) 1
127.0.0.1:6379> BF.ADD myFilter javag
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter java
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter javag
(integer) 1
127.0.0.1:6379> BF.EXISTS myFilter github
(integer) 0