BloomFilter
概念和由来
布隆过滤器（英语：Bloom Filter）是 1970 年由布隆提出的。它实际上是一个很长的二进制数组(00000000)+一系列随机hash算法映射函数，主要用于判断一个元素是否在集合中。
布隆过滤器适用于对存储空间要求较高，对一定的误判率可以接受的场景。常见的应用包括缓存系统、垃圾邮件过滤、网络爬虫和分布式系统中的去重等。
通常我们会遇到很多要判断一个元素是否在某个集合中的业务场景，一般想到的是将集合中所有元素保存起来，然后通过比较确定。链表、树、哈希表等等数据结构都是这种思路。但是随着集合中元素的增加，我们需要的存储空间也会呈现线性增长，最终达到瓶颈。同时检索速度也越来越慢，上述三种结构的检索时间复杂度分别为O(n),O(logn),O(1)。这个时候，布隆过滤器（Bloom Filter）就应运而生
优缺点
优点:
高效的插入和查询,占用空间少
缺点:
返回结果是不确定性+不够完美
一个元素的判断结果:如果结果显示存在,则不一定存在.如果结果显示不存在,则一定不存在
bloomfilter 可以添加元素,但是不能删除元素,删除元素会增加结果误判率;
原理
布隆过滤器(Bloom Filter) 是一种专门用来解决去重问题的高级数据结构。
实质就是一个大型位数组和几个不同的无偏hash函数(无偏表示分布均匀)。由一个初值都为零的bit数组和多个个哈希函数构成，用来快速判断某个数据是否存在。但是跟 HyperLogLog 一样，它也一样有那么一点点不精确，也存在一定的误判概率
image.png
添加key时:
使用多个hash函数对key进行hash运算得到一个整数索引值,对位数组长度进行取模运算得到一个位置,每个hash函数都会得到一个不同位置,将这几个位置都置1就完成了添加操作;
查询key时:
只要有其中一位是0就表示key不存在,但如果都是1,则不一定存在对应的key;
结论: 有则可能有,无则肯定无
hash冲突导致数据不精准
当有变量被加入集合时，通过N个映射函数将这个变量映射成位图中的N个点，把它们置为 1（假定有两个变量都通过 3 个映射函数）。
image.png
查询某个变量的时候我们只要看看这些点是不是都是 1， 就可以大概率知道集合中有没有它了.如果这些点，有任何一个为零则被查询变量一定不在，如果都是 1，则被查询变量很可能存在，为什么说是可能存在，而不是一定存在呢？那是因为映射函数本身就是散列函数，散列函数是会有碰撞的。（见上图3号坑两个对象都1）
基于bloomfilter的快速检测特性,我们可以再把数据写入数据库时,使用bloomfilter做个标记.当缓存缺失后,应用查询数据库时,可以通过查询bloomfilter快速判断数据是否存在.如果不存在 可以直接返回,不用查询数据库了.这样及时发生了缓存穿透,大量请求也只会查询Redis和bloomfilter,而不会积压到数据库,也就不影响数据库正常运行.
哈希函数
哈希函数的概念是：将任意大小的输入数据转换成特定大小的输出数据的函数，转换后的数据称为哈希值或哈希编码，也叫散列值
image.png
如果两个散列值是不相同的（根据同一函数）那么这两个散列值的原始输入也是不相同的。
这个特性是散列函数具有确定性的结果，具有这种性质的散列函数称为单向散列函数。
散列函数的输入和输出不是唯一对应关系的，如果两个散列值相同，两个输入值很可能是相同的，但也可能不同，这种情况称为“散列碰撞（collision）”。用 hash表存储大数据量时，空间效率还是很低，当只有一个 hash 函数时，还很容易发生哈希碰撞。
使用场景
- 解决缓存穿透问题
缓存穿透是什么
一般情况下，先查询缓存redis是否有该条数据，缓存中没有时，再查询数据库。当数据库也不存在该条数据时，每次查询都要访问数据库，这就是缓存穿透。
缓存透带来的问题是，当有大量请求查询数据库不存在的数据时，就会给数据库带来压力，甚至会拖垮数据库。
BloomFilter解决缓存穿透
把已存在数据的key存在布隆过滤器中，相当于redis前面挡着一个布隆过滤器。当有新的请求时，先到布隆过滤器中查询是否存在：
1.如果布隆过滤器中不存在该条数据则直接返回；
2.如果布隆过滤器中已存在，才去查询缓存redis，如果redis里没查询到则再查询Mysql数据库
image.png
- 黑名单校验,识别垃圾邮件
发现存在黑名单中的，就执行特定操作。比如：识别垃圾邮件，只要是邮箱在黑名单中的邮件，就识别为垃圾邮件。
假设黑名单的数量是数以亿计的，存放起来就是非常耗费存储空间的，布隆过滤器则是一个较好的解决方案。
把所有黑名单都放在布隆过滤器中，在收到邮件时，判断邮件地址是否在布隆过滤器中即可。 - 安全链接网址
- . . .
手动实现简单的BloomFilter
架构逻辑:
image.png
白名单代码代码
@Component
@Slf4j
public class BloomFilterInit
{
@Resource
private RedisTemplate redisTemplate;@PostConstruct//初始化白名单数据，故意差异化数据演示效果......
public void init()
{
//白名单客户预加载到布隆过滤器
String uid = "customer:12";
//1 计算hashcode，由于可能有负数，直接取绝对值
int hashValue = Math.abs(uid.hashCode());
//2 通过hashValue和2的32次方取余后，获得对应的下标坑位
long index = (long) (hashValue % Math.pow(2, 32));
log.info(uid+" 对应------坑位index:{}",index);
//3 设置redis里面bitmap对应坑位，该有值设置为1
redisTemplate.opsForValue().setBit("whitelistCustomer",index,true);
}
}
校验白名单代码:
@Component
@Slf4j
public class CheckUtils
{
@Resource
private RedisTemplate redisTemplate;
public boolean checkWithBloomFilter(String checkItem,String key)
{
int hashValue = Math.abs(key.hashCode());
long index = (long) (hashValue % Math.pow(2, 32));
boolean existOK = redisTemplate.opsForValue().getBit(checkItem, index);
log.info("----->key:"+key+"\t对应坑位index:"+index+"\t是否存在:"+existOK);
return existOK;
}
}/**
* BloomFilter → redis → mysql
*/
@Resource
private CheckUtils checkUtils;
public Customer findCustomerByIdWithBloomFilter (Integer customerId)
{
Customer customer = null;//缓存key的名称
String key = CACHE_KEY_CUSTOMER + customerId;//布隆过滤器check，无是绝对无，有是可能有
//===============================================
if(!checkUtils.checkWithBloomFilter("whitelistCustomer",key))
{
log.info("白名单无此顾客信息:{}",key);
return null;
}
//===============================================//1 查询redis
customer = (Customer) redisTemplate.opsForValue().get(key);
//redis无，进一步查询mysql
if (customer == null) {
//2 从mysql查出来customer
customer = customerMapper.selectByPrimaryKey(customerId);
// mysql有，redis无
if (customer != null) {
//3 把mysql捞到的数据写入redis，方便下次查询能redis命中。
redisTemplate.opsForValue().set(key, customer);
}
}
return customer;
}
总结
优点:高效的查询和插入,内存占用bit空间少
缺点: 不能删除元素,删除会增加误判率; 存在误判 不能精准过了
布谷鸟过滤器
为了解决布隆过滤器不能删除元素的问题，布谷鸟过滤器横空出世。
论文《Cuckoo Filter：Better Than Bloom》