Java中高级核心知识全面解析——数据结构(布隆过滤器【原理介绍、使用场景、如何实现】、Redis中的布隆过滤器)

前言

海量数据处理以及缓存穿透这两个场景让我认识了布隆过滤器 ，我查阅了一些资料来了解它，但是很多现成资料并不满足我的需求，所以就决定自己总结一篇关于布隆过滤器的文章。希望通过这篇文章让更多人了解布隆过滤器，并且会实际去使用它！

下面我们将分为几个方面来介绍布隆过滤器：

1. 什么是布隆过滤器？
2. 布隆过滤器的原理介绍。
3. 布隆过滤器使用场景。
4. 通过 Java 编程手动实现布隆过滤器。
5. 利用Google开源的Guava中自带的布隆过滤器。
6. Redis 中的布隆过滤器。

一、什么是布隆过滤器？

首先，我们需要了解布隆过滤器的概念。

布隆过滤器（Bloom Filter）是一个叫做 Bloom 的老哥于1970年提出的。我们可以把它看作由二进制向量（或者说位数组）和一系列随机映射函数（哈希函数）两部分组成的数据结构。相比于我们平时常用的的 List、Map 、Set 等数据结构，它占用空间更少并且效率更高，但是缺点是其返回的结果是概率性的，而不是非常准确的。理论情况下添加到集合中的元素越多，误报的可能性就越大。并且，存放在布隆过滤器的数据不容易删除。

位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。这样申请一个 100w 个元素的位数组只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空间。

总结：一个名叫 Bloom 的人提出了一种来检索元素是否在给定大集合中的数据结构，这种数据结构是高效且性能很好的，但缺点是具有一定的错误识别率和删除难度。并且，理论情况下，添加到集合中的元素越多，误报的可能性就越大。

二、布隆过滤器的原理介绍

当一个元素加入布隆过滤器中的时候，会进行如下操作：

1. 使用布隆过滤器中的哈希函数对元素值进行计算，得到哈希值（有几个哈希函数得到几个哈希值）。
2. 根据得到的哈希值，在位数组中把对应下标的值置为 1。

当我们需要判断一个元素是否存在于布隆过滤器的时候，会进行如下操作：

1. 定元素再次进行相同的哈希计算；
2. 后判断位数组中的每个元素是否都为 1，如果值都为 1，那么说明这个值在布隆过滤器中，如果存在一个值不为 1，说明该元素不在布隆过滤器中。

举个简单的例子：

如图所示，当字符串存储要加入到布隆过滤器中时，该字符串首先由多个哈希函数生成不同的哈希值，然后在对应的位数组的下表的元素设置为 1（当位数组初始化时 ，所有位置均为0）。当第二次存储相同字符串时，因为先前的对应位置已设置为1，所以很容易知道此值已经存在（去重非常方便）。

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。

三、布隆过滤器使用场景

1. 判断给定数据是否存在：比如判断一个数字是否在于包含大量数字的数字集中（数字集很大，5亿以上！）、 防止缓存穿透（判断请求的数据是否有效避免直接绕过缓存请求数据库）等等、邮箱的垃圾邮件过滤、黑名单功能等等。
2. 去重：比如爬给定网址的时候对已经爬取过的 URL 去重。

---

小插曲：
更多阿里、腾讯、美团、京东等一线互联网大厂Java面试真题；包含：基础、并发、锁、JVM、设计模式、数据结构、反射/IO、数据库、Redis、Spring、消息队列、分布式、Zookeeper、Dubbo、Mybatis、Maven、面经等。
更多Java程序员技术进阶小技巧；例如高效学习（如何学习和阅读代码、面对枯燥和量大的知识）高效沟通（沟通方式及技巧、沟通技术）
更多Java大牛分享的一些职业生涯分享文档

---

请点击这里添加》》》》》》》》》社群，免费获取

---

比你优秀的对手在学习，你的仇人在磨刀，你的闺蜜在减肥，隔壁老王在练腰， 我们必须不断学习，否则我们将被学习者超越！
趁年轻，使劲拼，给未来的自己一个交代！

---

四、通过 Java 编程手动实现布隆过滤器

我们上面已经说了布隆过滤器的原理，知道了布隆过滤器的原理之后就可以自己手动实现一个了。

如果你想要手动实现一个的话，你需要：

1. 一个合适大小的位数组保存数据
2. 几个不同的哈希函数
3. 添加元素到位数组（布隆过滤器）的方法实现
4. 判断给定元素是否存在于位数组（布隆过滤器）的方法实现。

下面给出一个我觉得写的还算不错的代码（参考网上已有代码改进得到，对于所有类型对象皆适用）：

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(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16))); 
		}
	} 
}

测试：

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

测试：

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

五、利用Google开源的 Guava中自带的布隆过滤器

自己实现的目的主要是为了让自己搞懂布隆过滤器的原理，Guava 中布隆过滤器的实现算是比较权威的，所以实际项目中我们不需要手动实现一个布隆过滤器。

首先我们需要在项目中引入 Guava 的依赖：

<dependency> 
<groupId>com.google.guava</groupId> 
<artifactId>guava</artifactId> 
<version>28.0-jre</version> 
</dependency>

实际使用如下：

我们创建了一个最多存放 最多 1500个整数的布隆过滤器，并且我们可以容忍误判的概率为百分之（0.01）

// 创建布隆过滤器对象 
BloomFilter<Integer> filter = BloomFilter.create( 
		Funnels.integerFunnel(), 
		1500, 
		0.01);
// 判断指定元素是否存在 
System.out.println(filter.mightContain(1)); 
System.out.println(filter.mightContain(2)); 
// 将元素添加进布隆过滤器 
filter.put(1); 
filter.put(2); 
System.out.println(filter.mightContain(1)); 
System.out.println(filter.mightContain(2));

在我们的示例中，当 mightContain（） 方法返回true时，我们可以99％确定该元素在过滤器中，当过滤器返回false时，我们可以100％确定该元素不存在于过滤器中。

Guava 提供的布隆过滤器的实现还是很不错的（想要详细了解的可以看一下它的源码实现），但是它有一个重大的缺陷就是只能单机使用（另外，容量扩展也不容易），而现在互联网一般都是分布式的场景。为了解决这个问题，我们就需要用到 Redis 中的布隆过滤器了。

六、Redis 中的布隆过滤器

1.介绍

Redis v4.0 之后有了 Module（模块/插件） 功能，Redis Modules 让 Redis 可以使用外部模块扩展其功能 。布隆过滤器就是其中的 Module。

另外，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。其他还有：

• redis-lua-scaling-bloom-filter （lua 脚本实现）：https://github.com/erikdubbelboer/redis-lua-scaling-bloom-filter
• pyreBloom（Python中的快速Redis 布隆过滤器）：https://github.com/seomoz/pyreBloom
• …

RedisBloom提供了多种语言的客户端支持，包括：Python、Java、JavaScript 和 PHP。

2.使用Docker安装

具体操作如下：

➜ ~ 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>

3.常用命令一览

注意： key:布隆过滤器的名称，item : 添加的元素。

1. BF.ADD：将元素添加到布隆过滤器中，如果该过滤器尚不存在，则创建该过滤器。格式：BF.ADD {key} {item} 。
2. BF.MADD : 将一个或多个元素添加到“布隆过滤器”中，并创建一个尚不存在的过滤器。该命令的操作方式 BF.ADD 与之相同，只不过它允许多个输入并返回多个值。格式：BF.MADD {key} {item} [item ...] 。
3. BF.EXISTS: 确定元素是否在布隆过滤器中存在。格式：BF.EXISTS {key} {item}。
4. BF.MEXISTS： 确定一个或者多个元素是否在布隆过滤器中存在格式： BF.MEXISTS {key} {item} [item ...]。

另外，BF.RESERVE命令需要单独介绍一下：

这个命令的格式如下：

BF.RESERVE {key} {error_rate} {capacity} [EXPANSION expansion] 。

下面简单介绍一下每个参数的具体含义：

1. key：布隆过滤器的名称
2. error_rate :误报的期望概率。这应该是介于0到1之间的十进制值。例如，对于期望的误报率0.1％（1000中为1），error_rate应该设置为0.001。该数字越接近零，则每个项目的内存消耗越大，并且每个操作的CPU使用率越高。
3. capacity: 过滤器的容量。当实际存储的元素个数超过这个值之后，性能将开始下降。实际的降级将取决于超出限制的程度。随着过滤器元素数量呈指数增长，性能将线性下降。

可选参数：

• expansion：如果创建了一个新的子过滤器，则其大小将是当前过滤器的大小乘以 expansion 。默认扩展值为2。这意味着每个后续子过滤器将是前一个子过滤器的两倍。

4.实际使用

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

---

参考资料：《Java中高级核心知识全面解析》限量100份，有一些人已经通过我之前的文章获取了哦！
名额有限先到先得！！！
有想要获取这份学习资料的同学可以点击这里免费获取》》》》》》》