前言
本篇文章的代码示例已放到 github 上,Git地址为:advance(记录每一个学习过程),项目的介绍页面是我所有文章的一个引用目录,大家在引用目录里面即可找到对应文章的一个代码路径。
大家觉得有用的话,麻烦点个star再走呗!
使用场景
针对 Redis 的缓存穿透问题,布隆过滤器是一个常见的解决办法。在单机的场景下,我们可以使用谷歌的 guava 包里面提供的布隆过滤器。在分布式的场景下,我们也可以选用 Redis 来实现布隆过滤器。
虽然,Redis 的 BitMap天然就可以作为 布隆过滤器来实现,但毕竟自己实现的话,还是会有点麻烦。因此,我们可以选用 redisson 提供的布隆过滤器,提高我们的开发效率。
常用方法
配置布隆过滤器的Bean
@Bean
public RBloomFilter bloomFilter(){
// 定义一个布隆过滤器,指定布隆过滤器的名称
RBloomFilter bloomFilter = redissonClient.getBloomFilter("bloomTest");
//定义布隆过滤器的大小,以及误差率
bloomFilter.tryInit(100000L, 0.003);
return bloomFilter;
}
获取布隆过滤器
配置完之后,这个布隆过滤器就在 Spring 容器里面了,可以直接注入进来
@Autowired
private RBloomFilter bloomFilter;
添加元素
String name1 = "小明";
String name2 = "小张";
bloomFilter.add(name1);
bloomFilter.add(name2);
判断布隆过滤器中是否存在某元素
boolean flag1 = bloomFilter.contains("小明");
System.out.println("布隆过滤器中是否可能有小明?" + flag1);
获取布隆过滤器的元素总数
System.out.println("当前布隆过滤器中有多少个数?" + bloomFilter.count());
获取布隆过滤器预计可以插入多少个数
System.out.println("预计布隆过滤器中可以插入多少个数?" + bloomFilter.getExpectedInsertions());
获取布隆过滤器的容错率
System.out.println("布隆过滤器的容错率:" + bloomFilter.getFalseProbability());
获取哈希函数的个数
System.out.println("布隆过滤器哈希哈数的个数:" + bloomFilter.getHashIterations());
获取 Bit 位的个数
System.out.println("布隆过滤器的bit位有多少个?" + bloomFilter.getSize());
使用示例
@Component
public class LineRunner implements CommandLineRunner {
@Autowired
private RBloomFilter bloomFilter;
@Override
public void run(String... args) throws Exception {
String name1 = "小明";
String name2 = "小张";
bloomFilter.add(name1);
bloomFilter.add(name2);
boolean flag1 = bloomFilter.contains("小明");
System.out.println("布隆过滤器中是否可能有小明?" + flag1);
boolean flag2 = bloomFilter.contains("小李");
System.out.println("布隆过滤器中是否可能有小李?" + flag2);
System.out.println("当前布隆过滤器中有多少个数?" + bloomFilter.count());
System.out.println("预计布隆过滤器中可以插入多少个数?" + bloomFilter.getExpectedInsertions());
System.out.println("布隆过滤器的容错率:" + bloomFilter.getFalseProbability());
System.out.println("布隆过滤器哈希哈数的个数:" + bloomFilter.getHashIterations());
System.out.println("布隆过滤器的bit位有多少个?" + bloomFilter.getSize());
}
}