不了解布隆過濾器？一文給你整的明明白白！-有解無憂

海量資料處理以及快取穿透這兩個場景讓我認識了布隆過濾器，我查閱了一些資料來了解它，但是很多現成資料并不滿足我的需求，所以就決定自己總結一篇關于布隆過濾器的文章，希望通過這篇文章讓更多人了解布隆過濾器，并且會實際去使用它！

下面我們將分為幾個方面來介紹布隆過濾器：

什么是布隆過濾器？
布隆過濾器的原理介紹，
布隆過濾器使用場景，
通過 Java 編程手動實作布隆過濾器，
利用Google開源的Guava中自帶的布隆過濾器，
Redis 中的布隆過濾器，

1.什么是布隆過濾器？

首先，我們需要了解布隆過濾器的概念，

布隆過濾器（Bloom Filter）是一個叫做 Bloom 的老哥于1970年提出的，我們可以把它看作由二進制向量（或者說位陣列）和一系列隨機映射函式（哈希函式）兩部分組成的資料結構，相比于我們平時常用的的 List、Map 、Set 等資料結構，它占用空間更少并且效率更高，但是缺點是其回傳的結果是概率性的，而不是非常準確的，理論情況下添加到集合中的元素越多，誤報的可能性就越大，并且，存放在布隆過濾器的資料不容易洗掉，

位陣列中的每個元素都只占用 1 bit ，并且每個元素只能是 0 或者 1，這樣申請一個 100w 個元素的位陣列只占用 1000000Bit / 8 = 125000 Byte = 125000/1024 kb ≈ 122kb 的空間，

總結：一個名叫 Bloom 的人提出了一種來檢索元素是否在給定大集合中的資料結構，這種資料結構是高效且性能很好的，但缺點是具有一定的錯誤識別率和洗掉難度，并且，理論情況下，添加到集合中的元素越多，誤報的可能性就越大，

2.布隆過濾器的原理介紹

當一個元素加入布隆過濾器中的時候，會進行如下操作：

使用布隆過濾器中的哈希函式對元素值進行計算，得到哈希值（有幾個哈希函式得到幾個哈希值），
根據得到的哈希值，在位陣列中把對應下標的值置為 1，

當我們需要判斷一個元素是否存在于布隆過濾器的時候，會進行如下操作：

對給定元素再次進行相同的哈希計算；
得到值之后判斷位陣列中的每個元素是否都為 1，如果值都為 1，那么說明這個值在布隆過濾器中，如果存在一個值不為 1，說明該元素不在布隆過濾器中，

舉個簡單的例子：

布隆過濾器hash計算

如圖所示，當字串存盤要加入到布隆過濾器中時，該字串首先由多個哈希函式生成不同的哈希值，然后在對應的位陣列的下表的元素設定為 1（當位陣列初始化時，所有位置均為0），當第二次存盤相同字串時，因為先前的對應位置已設定為 1，所以很容易知道此值已經存在（去重非常方便），

如果我們需要判斷某個字串是否在布隆過濾器中時，只需要對給定字串再次進行相同的哈希計算，得到值之后判斷位陣列中的每個元素是否都為 1，如果值都為 1，那么說明這個值在布隆過濾器中，如果存在一個值不為 1，說明該元素不在布隆過濾器中，

不同的字串可能哈希出來的位置相同，這種情況我們可以適當增加位陣列大小或者調整我們的哈希函式，

綜上，我們可以得出：布隆過濾器說某個元素存在，小概率會誤判，布隆過濾器說某個元素不在，那么這個元素一定不在，

3.布隆過濾器使用場景

判斷給定資料是否存在：比如判斷一個數字是否存在于包含大量數字的數字集中（數字集很大，5億以上！）、防止快取穿透（判斷請求的資料是否有效避免直接繞過快取請求資料庫）等等、郵箱的垃圾郵件過濾、黑名單功能等等，
去重：比如爬給定網址的時候對已經爬取過的 URL 去重，

4.通過 Java 編程手動實作布隆過濾器

我們上面已經說了布隆過濾器的原理，知道了布隆過濾器的原理之后就可以自己手動實作一個了，

如果你想要手動實作一個的話，你需要：

一個合適大小的位陣列保存資料
幾個不同的哈希函式
添加元素到位陣列（布隆過濾器）的方法實作
判斷給定元素是否存在于位陣列（布隆過濾器）的方法實作，

下面給出一個我覺得寫的還算不錯的代碼（參考網上已有代碼改進得到，對于所有型別物件皆適用）：

import java.util.BitSet;

public class MyBloomFilter {

    /**
     * 位陣列的大小
     */
    private static final int DEFAULT_SIZE = 2 << 24;
    /**
     * 通過這個陣列可以創建 6 個不同的哈希函式
     */
    private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};

    /**
     * 位陣列，陣列中的元素只能是 0 或者 1
     */
    private BitSet bits = new BitSet(DEFAULT_SIZE);

    /**
     * 存放包含 hash 函式的類的陣列
     */
    private SimpleHash[] func = new SimpleHash[SEEDS.length];

    /**
     * 初始化多個包含 hash 函式的類的陣列，每個類中的 hash 函式都不一樣
     */
    public MyBloomFilter() {
        // 初始化多個不同的 Hash 函式
        for (int i = 0; i < SEEDS.length; i++) {
            func[i] = new SimpleHash(DEFAULT_SIZE, SEEDS[i]);
        }
    }

    /**
     * 添加元素到位陣列
     */
    public void add(Object value) {
        for (SimpleHash f : func) {
            bits.set(f.hash(value), true);
        }
    }

    /**
     * 判斷指定元素是否存在于位陣列
     */
    public boolean contains(Object value) {
        boolean ret = true;
        for (SimpleHash f : func) {
            ret = ret && bits.get(f.hash(value));
        }
        return ret;
    }

    /**
     * 靜態內部類，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;
        }

        /**
         * 計算 hash 值
         */
        public int hash(Object value) {
            int h;
            return (value =https://www.cnblogs.com/xzsj/p/= null) ? 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));
        }

    }
}

測驗：

        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

測驗：

        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

5.利用Google開源的 Guava中自帶的布隆過濾器

自己實作的目的主要是為了讓自己搞懂布隆過濾器的原理，Guava 中布隆過濾器的實作算是比較權威的，所以實際專案中我們不需要手動實作一個布隆過濾器，

首先我們需要在專案中引入 Guava 的依賴：

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

實際使用如下：

我們創建了一個最多存放最多 1500個整數的布隆過濾器，并且我們可以容忍誤判的概率為百分之（0.01）

        // 創建布隆過濾器物件
        BloomFilter<Integer> filter = BloomFilter.create(
                Funnels.integerFunnel(),
                1500,
                0.01);
        // 判斷指定元素是否存在
        System.out.println(filter.mightContain(1));
        System.out.println(filter.mightContain(2));
        // 將元素添加進布隆過濾器
        filter.put(1);
        filter.put(2);
        System.out.println(filter.mightContain(1));
        System.out.println(filter.mightContain(2));

在我們的示例中，當mightContain（） 方法回傳true時，我們可以99％確定該元素在過濾器中，當過濾器回傳false時，我們可以100％確定該元素不存在于過濾器中，

Guava 提供的布隆過濾器的實作還是很不錯的（想要詳細了解的可以看一下它的原始碼實作），但是它有一個重大的缺陷就是只能單機使用（另外，容量擴展也不容易），而現在互聯網一般都是分布式的場景，為了解決這個問題，我們就需要用到 Redis 中的布隆過濾器了，

6.Redis 中的布隆過濾器

6.1介紹

Redis v4.0 之后有了 Module（模塊/插件）功能，Redis Modules 讓 Redis 可以使用外部模塊擴展其功能，布隆過濾器就是其中的 Module，詳情可以查看 Redis 官方對 Redis Modules 的介紹：https://redis.io/modules

另外，官網推薦了一個 RedisBloom 作為 Redis 布隆過濾器的 Module,地址：https://github.com/RedisBloom/RedisBloom. 其他還有：

redis-lua-scaling-bloom-filter （lua 腳本實作）：https://github.com/erikdubbelboer/redis-lua-scaling-bloom-filter
pyreBloom（Python中的快速Redis 布隆過濾器）：https://github.com/seomoz/pyreBloom
......

RedisBloom 提供了多種語言的客戶端支持，包括：Python、Java、JavaScript 和 PHP，

6.2使用Docker安裝

如果我們需要體驗 Redis 中的布隆過濾器非常簡單，通過 Docker 就可以了！我們直接在 Google 搜索docker redis bloomfilter 然后在排除廣告的第一條搜素結果就找到了我們想要的答案（這是我平常解決問題的一種方式，分享一下），具體地址：https://hub.docker.com/r/redislabs/rebloom/ （介紹的很詳細），

具體操作如下：

?  ~ 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>

6.3常用命令一覽

注意： key:布隆過濾器的名稱，item : 添加的元素，

BF.ADD ：將元素添加到布隆過濾器中，如果該過濾器尚不存在，則創建該過濾器，格式：BF.ADD {key} {item}，
BF.MADD : 將一個或多個元素添加到“布隆過濾器”中，并創建一個尚不存在的過濾器，該命令的操作方式BF.ADD與之相同，只不過它允許多個輸入并回傳多個值，格式：BF.MADD {key} {item} [item ...] ，
**BF.EXISTS ** : 確定元素是否在布隆過濾器中存在，格式：BF.EXISTS {key} {item}，
BF.MEXISTS ：確定一個或者多個元素是否在布隆過濾器中存在格式：BF.MEXISTS {key} {item} [item ...]，

另外，BF.RESERVE 命令需要單獨介紹一下：

這個命令的格式如下：

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

下面簡單介紹一下每個引數的具體含義：

key：布隆過濾器的名稱
error_rate :誤報的期望概率，這應該是介于0到1之間的十進制值，例如，對于期望的誤報率0.1％（1000中為1），error_rate應該設定為0.001，該數字越接近零，則每個專案的記憶體消耗越大，并且每個操作的CPU使用率越高，
capacity: 過濾器的容量，當實際存盤的元素個數超過這個值之后，性能將開始下降，實際的降級將取決于超出限制的程度，隨著過濾器元素數量呈指數增長，性能將線性下降，

可選引數：

expansion：如果創建了一個新的子過濾器，則其大小將是當前過濾器的大小乘以expansion，默認擴展值為2，這意味著每個后續子過濾器將是前一個子過濾器的兩倍，

6.4實際使用

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

作者：Snailclimb
鏈接：不了解布隆過濾器？一文給你整的明明白白！
來源：github

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/221927.html

標籤：Java

上一篇：go-zero 如何扛住流量沖擊（一）

下一篇：不了解布隆過濾器？一文給你整的明明白白！