【原創！推薦！】不了解布隆過濾器？一文給你整的明明白白！

本文轉載自查看原文 2019-12-04 15:47 499 spring/ java/ mysql/ jpa/ springboot

海量數據處理以及緩存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，但是很多現成資料並不滿足我的需求，所以就決定自己總結一篇關於布隆過濾器的文章。希望通過這篇文章讓更多人了解布隆過濾器，並且會實際去使用它！

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 編程手動實現布隆過濾器。
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 的老哥於1970年提出的。我們可以把它看作由二進制向量（或者說位數組）和一系列隨機映射函數（哈希函數）兩部分組成的數據結構。相比於我們平時常用的的 List、Map 、Set 等數據結構，它占用空間更少並且效率更高，但是缺點是其返回的結果是概率性的，而不是非常准確的。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。並且，存放在布隆過濾器的數據不容易刪除。

布隆過濾器示意圖

位數組中的每個元素都只占用 1 bit ，並且每個元素只能是 0 或者 1。這樣申請一個 100w 個元素的位數組只占用 1000000 / 8 = 125000 B = 15625 byte ≈ 15.3kb 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數據結構，這種數據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刪除難度。並且，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數對元素值進行計算，得到哈希值（有幾個哈希函數得到幾個哈希值）。
根據得到的哈希值，在位數組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於布隆過濾器的時候，會進行如下操作：

對給定元素再次進行相同的哈希計算；
得到值之后判斷位數組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，當字符串存儲要加入到布隆過濾器中時，該字符串首先由多個哈希函數生成不同的哈希值，然后在對應的位數組的下表的元素設置為 1（當位數組初始化時，所有位置均為0）。當第二次存儲相同字符串時，因為先前的對應位置已設置為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符串是否在布隆過濾器中時，只需要對給定字符串再次進行相同的哈希計算，得到值之后判斷位數組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。

不同的字符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數組大小或者調整我們的哈希函數。

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

判斷給定數據是否存在：比如判斷一個數字是否在於包含大量數字的數字集中（數字集很大，5億以上！）、防止緩存穿透（判斷請求的數據是否有效避免直接繞過緩存請求數據庫）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 編程手動實現布隆過濾器

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現一個了。

如果你想要手動實現一個的話，你需要：

一個合適大小的位數組保存數據
幾個不同的哈希函數
添加元素到位數組（布隆過濾器）的方法實現
判斷給定元素是否存在於位數組（布隆過濾器）的方法實現。

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，對於所有類型對象皆適用）：

import java.util.BitSet;

public class MyBloomFilter {

    /**
     * 位數組的大小
     */
    private static final int DEFAULT_SIZE = 2 << 24;
    /**
     * 通過這個數組可以創建 6 個不同的哈希函數
     */
    private static final int[] SEEDS = new int[]{3, 13, 46, 71, 91, 134};

    /**
     * 位數組。數組中的元素只能是 0 或者 1
     */
    private BitSet bits = new BitSet(DEFAULT_SIZE);

    /**
     * 存放包含 hash 函數的類的數組
     */
    private SimpleHash[] func = new SimpleHash[SEEDS.length];

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

    /**
     * 添加元素到位數組
     */
    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於位數組
     */
    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。用於 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 == null) ? 0 : Math.abs(seed * (cap - 1) & ((h = value.hashCode()) ^ (h >>> 16)));
        }

    }
}

測試：

        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

測試：

        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

自己實現的目的主要是為了讓自己搞懂布隆過濾器的原理，Guava 中布隆過濾器的實現算是比較權威的，所以實際項目中我們不需要手動實現一個布隆過濾器。

首先我們需要在項目中引入 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，並且我們可以容忍誤判的概率為百分之（0.01）

        // 創建布隆過濾器對象
        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（） 方法返回true時，我們可以99％確定該元素在過濾器中，當過濾器返回false時，我們可以100％確定該元素不存在於過濾器中。

Guava 提供的布隆過濾器的實現還是很不錯的（想要詳細了解的可以看一下它的源碼實現），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 腳本實現）：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，並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並返回多個值。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參數的具體含義：

key：布隆過濾器的名稱
error_rate :誤報的期望概率。這應該是介於0到1之間的十進制值。例如，對於期望的誤報率0.1％（1000中為1），error_rate應該設置為0.001。該數字越接近零，則每個項目的內存消耗越大，並且每個操作的CPU使用率越高。
capacity: 過濾器的容量。當實際存儲的元素個數超過這個值之后，性能將開始下降。實際的降級將取決於超出限制的程度。隨着過濾器元素數量呈指數增長，性能將線性下降。

可選參數：

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。這意味着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

開源項目推薦

作者的其他開源項目推薦：

JavaGuide：【Java學習+面試指南】一份涵蓋大部分Java程序員所需要掌握的核心知識。
springboot-guide : 適合新手入門以及有經驗的開發人員查閱的 Spring Boot 教程（業余時間維護中，歡迎一起維護）。
programmer-advancement : 我覺得技術人員應該有的一些好習慣！
spring-security-jwt-guide :從零入門！Spring Security With JWT（含權限驗證）后端部分代碼。

免責聲明！

本站轉載的文章為個人學習借鑒使用，本站對版權不負任何法律責任。如果侵犯了您的隱私權益，請聯系本站郵箱yoyou2525@163.com刪除。

猜您在找 布隆過濾器關於布隆過濾器以及小例子布隆過濾器詳細總結淺談布隆過濾器布隆過濾器簡介 python-布隆過濾器布隆過濾器算法篇 Golang中的布隆過濾器 guava布隆過濾器的使用 BloomFilter布隆過濾器