链表、树、散列表(又叫哈希表#xff0c;HashTable)等等数据结构都是这种思路。

通常我们会遇到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、散列表(又叫哈希表HashTable)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(long)O(1)。

布隆过滤器介绍布隆过滤器BloomFilter实际上是一个很长的二进制数组一系列随机hash算法映射函数主要用于判断一个元素是否在集合中。

高效的插入和查询占用空间少返回的结果时不确定性的。

一个元素如果判断结果为存在的时候元素不一定存在但是判断结果为不存在的时候则一定不存在。

布隆过滤器可以添加元素但是不能删除元素删除元素会导致误判率增加。

误判只会发生在布隆过滤器没有添加过的元素对于添加过的元素不会发生误判。

使用场景

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如果布隆过滤器中不存在该条数据则直接返回如果布隆过滤器中存在再去查询Redis如果Redis中没有查询到则去查询数据库。

黑名单校验

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。

假设黑名单的数据是数以亿记的存放起来就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再布隆过滤器中即可。

一个大型位数组和几个不同的无偏hash函数(无偏标识分布均匀)。

由一个初值都为0的bit数组和多个哈希函数构成用来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。

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的位置将这几个都设置1就完成了add操作。

查询key

只要查询有其中一位是0就表示这个key不存在但如果都是1则不一定存在对应的key.

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个点把他们设置为1假设有两个变量都通过3个映射函数。

查询某个变量的时候我们只需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0则被查询的变量不存在如何都是1则被查询的变量很可能存在。

正事基于布隆过滤器的快速检测特性我们可以在把数据写入数据库时使用布隆过滤器做个标记。

当缓存缺失后应用查询数据库时可以通过查询布隆过滤器快速判断数据是否存在。

如果不存在就不用再去数据库中查询了。

这样一来即使发生缓存穿透大量的请求只会查询Redis和布隆过滤器而不会积压到数据库也就不会影响数据的正常运行。

布隆过滤器可以使用Redis实现本身就能承担较大的并发访问压力。

布隆过滤器的误判是指多个输入经过哈希之后在相同的bit位设置1了这样就无法判断究竟是那个输入产生的因此误判的根源在于相同的bit位被多次映射且设置为1。

这种情况也造成了布隆过滤器的删除问题因为布隆过滤器的每一个bit并不是独占的很有可能多个元素共享了某一位。

如果我们直接删除这一位的话会影响其他的元素。

一个元素判断结果为没有时则一定没有如果判断结果为存在的时候元素不一定存在。

布隆过滤器可以添加元素但是不能删除元素因为删除元素会导致误判率增加。