「高级进阶」布隆过滤器这一篇就够了

前言

在 「摩擦面试官」Redis这一篇就够了 这篇文中有提到用布隆过滤器来解决缓存穿透。那么，今天，他来了，他来了，他脚踏七彩祥云来了（手动狗头）

是什么？

弗雷尔卓德之心布隆是LOL中偏辅助的英雄，下面给大家带来他的技能和出装介绍，这时一个拖鞋啪的一声打在了我的脸上......
布隆过滤器(Bloom Filter) 是一种节省空间的概率数据结构，由Burton Howard Bloom在1970年提出，用来测试一个元素是否在一个集合里。它实际上是一个很长的 二进制向量和 一系列随机映射函数。相比于传统的 List、Set、Map 等数据结构，它更高效、占用空间更少，但是缺点是其返回的结果是概率性的，而不是确切的。

原理

可以拆分成两个环节：
　　1. 插入，当一个元素被加入集合时，通过K个散列（Hash）函数将这个元素映射成一个位数组中的K个点，把它们置为1。
　　2. 查找，当需要判断这个元素是否存在时，我们只要看看这些点是不是都是1就，大约知道集合中有没有它了，如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能存在。
举个栗子：
S集合中有a、b、c三个元素，过滤器中有三个散列（Hash）函数h1、h2、h3，当要判断元素a是否存在时，则用a通过h1、h2、h3三个函数进行hash，如果结果都是1，那么说明1可能存在，反之则不存在

优缺点

优点：
　　1. 查找速度快
　　2.节省存储空间
缺点：
　　1.存在误判，可能要查到的元素并没有在容器中，但是hash之后得到的k个位置上值都是1。
　　2.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。

运用场景

1.解决redis等其他缓存穿透的问题，可以看这篇 「摩擦面试官」Redis实现分布式锁这一篇就够了
2.判断是否存在该行（rows）或（colums），以减少对磁盘的访问，提高数据库的访问性能
3.分布式数据库 Bigtable 使用了布隆过滤器来查找不存在的行或列，以减少磁盘查找的IO次数
4.其他需要判断元素是否存在的场景

JAVA 实现

guava工具包中已经包含了对布隆过滤器的实现，要使用BloomFilter，需要引入guava包：

 
            com.google.guava
            guava
            23.0
  

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import lombok.extern.slf4j.Slf4j;

@Slf4j
public class Bloom {

    /**
     * 总个数
     */
    private static int total = 1000000;

    /**
     * 创建布隆过滤器
     */
    private static BloomFilter bf = BloomFilter.create(Funnels.integerFunnel(), total);

    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);
        }
        int j = 5000;
        // 判断是否存在
        boolean flag = bf.mightContain(j);
        log.info("{} 判断结果为：{}", j, flag);
        // 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)) {
                log.info("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++;
            }
        }
        log.info("误伤的数量：" + count);
    }
}

执行结果：

5000 判断结果为：true
误伤的数量：320
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。

本期到这里啦，写的不对的地方巨佬们多多指点，喜欢的话来一个一键三连吧