布隆过滤器 - Bloom Filter

布隆过滤器 - Bloom Filter

[TOC]

参考链接:
1:JavaGuide - 布隆过滤器
2:亿级数据过滤和布隆过滤器

0.引言

douyin.png

P:我们平时在刷抖音时,开发人员如何保证 不会刷到同样的内容

  • 1:把算法推荐中的内容根据历史记录做一遍筛选?在用户量大,用户查看内容多的场景,性能低
  • 2:历史记录全部计入缓存?资源量大,并且会随着时间逐渐上涨,服务器耗费up
  • 3:布隆过滤器?专门用于解决去重问题,存在一定误判概率但是在去重的同时能节省90%的空间

1.使用场景

  • 1:在数据量很大(5亿以上)的场景下判断某一数据是否存在。对比hashMap节省了很大的存储空间
  • 2:黑名单、邮箱的垃圾邮件过滤。正常邮件被放入垃圾邮箱,就是布隆过滤器的误判导致
  • 3:去重。例如爬虫时,对已经爬取过的内容去重
  • 4:缓存穿透(非法用户会使用一般数据库里没有的key来进行访问导致请求一直打到数据库,导致数据库崩溃)。布隆过滤器删除key困难(会影响其他key),更建议直接使用redis set(设置过期时间)

2.什么是布隆过滤器

(1) 数据结构

布隆过滤器(Bloom Filter)1970年由Bloom的老哥提出

init.png

它由一个二进制数组来记录数据的相关性,数组中只有1或0

二进制数组的优势: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。

因为数组为固定长度,在数据量越多而空间越少的情况,判断误差率会变大

(2) 原理

add.png

当一个元素加入布隆过滤器时:

  1. 布隆过滤器中的多个哈希函数对元素值进行计算,得到索引值,之后数组长度对该索引值取模算的数组位置
  2. 多个哈希函数有多个计算后的数组位置,置为1,完成add操作
exist.png

当判断一个元素是否存在时:

  1. 多个哈希函数对元素值计算出位置后,如果有一个位置值为0,则肯定不存在
  2. 如果多个位置值都为1,则表示极有可能存在(可能其他元素把这几个位置提前置为1了,导致的误判)

(3) 使用

使用注意点:

  1. 使用时 不要让实际元素数量远大于初始化数量;
  2. 当实际元素数量超过初始化数量时,应该对布隆过滤器进行 重建,重新分配一个 size 更大的过滤器,再将所有的历史元素批量 add 进行;
  3. 初始化的数量和误判率根据实际业务场景分配

场景:

  1. 单机场景中 - Guava Bloom Filter
# 1.依赖

    com.google.guava
    guava
    28.0-jre


# 2.使用
# 2.1 创建布隆过滤器对象
BloomFilter filter = BloomFilter.create(
        Funnels.integerFunnel(),
        1500,
        0.01);
# 2.2 判断指定元素是否存在
System.out.println(filter.mightContain(1));
System.out.println(filter.mightContain(2));
# 2.3 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));

  1. 分布式场景中 - Redisson Bloom Filter
# 1.依赖

    org.redisson
    redisson
    3.7.5


# 2.获取存储在redis中的布隆过滤器
RBloomFilter filter = redissonClient.getBloomFilter("BloomFilter");

# 3.不存在时初始化,
filter.tryInit(10000, 0.01);
for (int i=0;i<20;i++){
    # 4.新增
    filter.add(StrUtil.toString(i));
}

# 5.判断是否存在
for (int i=0;i<20;i++){
    log.info("key:{},是否存在:{}",i,filter.contains(StrUtil.toString(i)));
}

你可能感兴趣的:(布隆过滤器 - Bloom Filter)