本篇博客我們主要介紹如何用Redis實現布隆過濾器，但是在介紹布隆過濾器之前，我們首先介紹一下，為啥要使用布隆過濾器。
1、布隆過濾器使用場景
比如有如下幾個需求：
①、原本有10億個號碼，現在又來了10萬個號碼，要快速准確判斷這10萬個號碼是否在10億個號碼庫中？
解決辦法一：將10億個號碼存入數據庫中，進行數據庫查詢，准確性有了，但是速度會比較慢。
解決辦法二：將10億號碼放入內存中，比如Redis緩存中，這里我們算一下占用內存大小：10億*8字節=8GB，通過內存查詢，准確性和速度都有了，但是大約8gb的內存空間，挺浪費內存空間的。
②、接觸過爬蟲的，應該有這么一個需求，需要爬蟲的網站千千萬萬，對於一個新的網站url，我們如何判斷這個url我們是否已經爬過了？
解決辦法還是上面的兩種，很顯然，都不太好。
③、同理還有垃圾郵箱的過濾。
那么對於類似這種，大數據量集合，如何准確快速的判斷某個數據是否在大數據量集合中，並且不占用內存，布隆過濾器應運而生了。
2、布隆過濾器簡介
帶着上面的幾個疑問，我們來看看到底什么是布隆過濾器。
布隆過濾器：一種數據結構，是由一串很長的二進制向量組成，可以將其看成一個二進制數組。既然是二進制，那么里面存放的不是0，就是1，但是初始默認值都是0。
如下所示：
①、添加數據
介紹概念的時候，我們說可以將布隆過濾器看成一個容器，那么如何向布隆過濾器中添加一個數據呢？
如下圖所示：當要向布隆過濾器中添加一個元素key時，我們通過多個hash函數，算出一個值，然后將這個值所在的方格置為1。
比如，下圖hash1(key)=1，那么在第2個格子將0變為1（數組是從0開始計數的），hash2(key)=7，那么將第8個格子置位1，依次類推。
②、判斷數據是否存在？
知道了如何向布隆過濾器中添加一個數據，那么新來一個數據，我們如何判斷其是否存在於這個布隆過濾器中呢？
很簡單，我們只需要將這個新的數據通過上面自定義的幾個哈希函數，分別算出各個值，然后看其對應的地方是否都是1，如果存在一個不是1的情況，那么我們可以說，該新數據一定不存在於這個布隆過濾器中。
反過來說，如果通過哈希函數算出來的值，對應的地方都是1，那么我們能夠肯定的得出：這個數據一定存在於這個布隆過濾器中嗎？
答案是否定的，因為多個不同的數據通過hash函數算出來的結果是會有重復的，所以會存在某個位置是別的數據通過hash函數置為的1。
我們可以得到一個結論：布隆過濾器可以判斷某個數據一定不存在，但是無法判斷一定存在。
③、布隆過濾器優缺點
優點：優點很明顯，二進制組成的數組，占用內存極少，並且插入和查詢速度都足夠快。
缺點：隨着數據的增加，誤判率會增加；還有無法判斷數據一定存在；另外還有一個重要缺點，無法刪除數據。
3、Redis實現布隆過濾器
①、bitmaps
我們知道計算機是以二進制位作為底層存儲的基礎單位，一個字節等於8位。
比如“big”字符串是由三個字符組成的，這三個字符對應的ASCII碼分為是98、105、103，對應的二進制存儲如下：
在Redis中，Bitmaps 提供了一套命令用來操作類似上面字符串中的每一個位。
一、設置值
setbit key offset value
我們知道"b"的二進制表示為0110 0010，我們將第7位（從0開始）設置為1，那0110 0011 表示的就是字符“c”，所以最后的字符 “big”變成了“cig”。
二、獲取值
gitbit key offset
三、獲取位圖指定范圍值為1的個數
bitcount key [start end]
如果不指定，那就是獲取全部值為1的個數。
注意：start和end指定的是字節的個數，而不是位數組下標。
②、Redisson
Redis 實現布隆過濾器的底層就是通過 bitmap 這種數據結構，至於如何實現，這里就不重復造輪子了，介紹業界比較好用的一個客戶端工具——Redisson。
Redisson 是用於在 Java 程序中操作 Redis 的庫，利用Redisson 我們可以在程序中輕松地使用 Redis。
下面我們就通過 Redisson 來構造布隆過濾器。
1 package com.ys.rediscluster.bloomfilter.redisson; 2 3 import org.redisson.Redisson; 4 import org.redisson.api.RBloomFilter; 5 import org.redisson.api.RedissonClient; 6 import org.redisson.config.Config; 7 8 public class RedissonBloomFilter { 9 10 public static void main(String[] args) { 11 Config config = new Config(); 12 config.useSingleServer().setAddress("redis://192.168.14.104:6379"); 13 config.useSingleServer().setPassword("123"); 14 //構造Redisson 15 RedissonClient redisson = Redisson.create(config); 16 17 RBloomFilter<String> bloomFilter = redisson.getBloomFilter("phoneList"); 18 //初始化布隆過濾器：預計元素為100000000L,誤差率為3% 19 bloomFilter.tryInit(100000000L,0.03); 20 //將號碼10086插入到布隆過濾器中 21 bloomFilter.add("10086"); 22 23 //判斷下面號碼是否在布隆過濾器中 24 System.out.println(bloomFilter.contains("123456"));//false 25 System.out.println(bloomFilter.contains("10086"));//true 26 } 27 }
這是單節點的Redis實現方式，如果數據量比較大，期望的誤差率又很低，那單節點所提供的內存是無法滿足的，這時候可以使用分布式布隆過濾器，同樣也可以用 Redisson 來實現，這里我就不做代碼演示了，大家有興趣可以試試。
4、guava 工具
最后提一下不用Redis如何來實現布隆過濾器。
guava 工具包相信大家都用過，這是谷歌公司提供的，里面也提供了布隆過濾器的實現。
1 package com.ys.rediscluster.bloomfilter; 2 3 import com.google.common.base.Charsets; 4 import com.google.common.hash.BloomFilter; 5 import com.google.common.hash.Funnel; 6 import com.google.common.hash.Funnels; 7 8 public class GuavaBloomFilter { 9 public static void main(String[] args) { 10 BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8),100000,0.01); 11 12 bloomFilter.put("10086"); 13 14 System.out.println(bloomFilter.mightContain("123456")); 15 System.out.println(bloomFilter.mightContain("10086")); 16 } 17 }
資料推薦
最近又趕上跳槽的高峰期（招聘旺季），好多讀者都問我要有沒有最新面試題，找華為朋友整理一份內部資料《第6版：互聯網大廠面試題》！
整個資料包，包括 Spring、Spring Boot/Cloud、Dubbo、JVM、集合、多線程、JPA、MyBatis、MySQL、大數據、Nginx、Git、Docker、GitHub、Servlet、JavaWeb、IDEA、Redis、算法、面試題等幾乎覆蓋了 Java 基礎和阿里巴巴等大廠面試題等、等技術棧！
另外，還有博主為大家整理的Java關鍵字解析、Java源碼解析
據說已經有小伙伴通過這套資料，成功的入職了螞蟻金服、字節跳動等大廠。
而且，這些資料不是掃描版的，里面的文字都可以直接復制，非常便於我們學習：
如果你想獲得完整PDF可以通過以下方式獲得
面試大全怎么獲取：
- 關注下方公眾號
- 在下方公眾號后台回復 【666】 即可。
