REDIS07_布隆过滤器BloomFilter的概述优缺点使用场景底层原理布谷鸟过滤器

Posted 2021-09-09 所得皆惊喜

文章目录

• ①. 布隆过滤器BloomFilter的概述
• ②. 布隆过滤器优缺点
• ③. 布隆过滤器的使用场景
• ④. 布隆过滤器原理
• ⑤. 布谷鸟过滤器(了解)

①. 布隆过滤器BloomFilter的概述

• ①. 它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
  

• ②. 本质就是判断具体数据存不存在一个大的集合中,布隆过滤器误判率

• ③. 是否存在(有，是很可能有、无，是肯定无)
  (可以保证的是，如果布隆过滤器判断一个元素不在一个集合中，那这个元素一定不会在集合中)

• ④. 使用时最好不要让实际元素数量远大于初始化数量

• ⑤. 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

②. 布隆过滤器优缺点

• ①. 优点:高效地插入和查询，占用空间少

• ②. 缺点

1. 不能删除元素。
   (因为删掉元素会导致误判率增加，因为hash冲突同一个位置可能存的东西是多个共有的，你删除一个元素的同时可能也把其它的删除了)
2. 存在误判(不同的数据可能出来相同的hash值)

③. 布隆过滤器的使用场景

• ①. 解决缓存穿透的问题

详解穿透问题
(1). 缓存穿透是什么
一般情况下，先查询缓存redis是否有该条数据，缓存中没有时，再查询数据库。
当数据库也不存在该条数据时，每次查询都要访问数据库，这就是缓存穿透。
缓存透带来的问题是，当有大量请求查询数据库不存在的数据时，就会给数据库带来压力，甚至会拖垮数据库。(2). 可以使用布隆过滤器解决缓存穿透的问题
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；
如果布隆过滤器中已存在，才去查询缓存redis，如果redis里没查询到则穿透到mysql数据库

• ②. 黑名单校验

1. 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
2. 假设黑名单的数量是数以亿计的，存放起来就是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
3. 把所有黑名单都放在布隆过滤器中，在收到邮件时，判断邮件地址是否在布隆过滤器中即可

④. 布隆过滤器原理

• ①. 对象是无穷的,hashCode方法的方法返回值是int,把无穷的对象放入到hashCode中,就会导致不同的对象有相同的hashCode值

 
public class HashCodeConflictDemo{
    public static void main(String[] args){
        Set<Integer> hashCodeSet = new HashSet<>();

        for (int i = 0; i <200000; i++) {
            int hashCode = new Object().hashCode();
            if(hashCodeSet.contains(hashCode)) {
                System.out.println("出现了重复的hashcode: "+hashCode+"\\t 运行到"+i);
                break;
            }
            hashCodeSet.add(hashCode);
        }
		System.out.println("Aa".hashCode());
		System.out.println("BB".hashCode());
		System.out.println("柳柴".hashCode());
		System.out.println("柴柕".hashCode());
    }
}

• ②. 布隆过滤器实现原理和数据结构
  布隆过滤器(Bloom Filter) 是一种专门用来解决去重问题的高级数据结构。
  实质就是一个大型位数组和几个不同的无偏hash函数(无偏表示分布均匀)。由一个初值都为零的bit数组和多个个哈希函数构成，用来快速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

• ③. 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，将这几个位置都置1就完成了add操作

• ④. 查询key时
  只要有其中一位是零就表示这个key不存在，但如果都是1，则不一定存在对应的key
  结论：有，是可能有,无，是肯定无

进一步解释:
(1). 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，把它们置为 1（假定有两个变量都通过 3 个映射函数）

(2). 查询某个变量的时候我们只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，有任何一个为零则被查询变量一定不在，如果都是 1，则被查询变量很可能存在
为什么说是可能存在，而不是一定存在呢？那是因为映射函数本身就是散列函数，散列函数是会有碰撞的。

• ⑤. 再次详解初始化、添加、判断是否存在

步骤如下:
(1). 初始化:布隆过滤器 本质上 是由长度为 m 的位向量或位列表（仅包含 0 或 1 位值的列表）组成，最初所有的值均设置为0
(2). 添加
当我们向布隆过滤器中添加数据时，为了尽量地址不冲突，会使用多个hash函数对key进行运算，算得一个下标索引值，然后对位数组长度进行取模运算得到一个位置，每个hash函数都会算得一个不同的位置。再把位数组的这几个位置都置为1就完成了add操作
例如，我们添加一个字符串wmyskxz
(3). 判断是否存在
向布隆过滤器查询某个key是否存在时，先把这个key通过相同的多个hash函数进行运算，查看对应的位置是否都为1，
只要有一个位为 0，那么说明布隆过滤器中这个 key 不存在
如果这几个位置全都是 1，那么说明极有可能存在
因为这些位置的1可能是因为其他的key存在导致的，也就是前面说过的hash冲突
就比如我们在add了字符串wmyskxz数据之后，很明显下面1/3/5这几个位置的1是因为第一次添加的 wmyskxz 而导致的
此时我们查询一个没添加过的不存在的字符串inexistent-key，它有可能计算后坑位也是1/3/5 ，这就是误判了

• ⑥. 布隆过滤器误判率，为什么不要删除
  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位置1了，这样就无法判断究竟是哪个输入产生的，
  因此误判的根源在于相同的 bit 位被多次映射且置 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
  特性
  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。因为删掉元素会导致误判率增加。

⑤. 布谷鸟过滤器(了解)

• ①. 为了解决布隆过滤器不能删除元素的问题，布谷鸟过滤器横空出世。论文《Cuckoo Filter：Better Than Bloom》

• ②. 作者将布谷鸟过滤器和布隆过滤器进行了深入的对比。相比布谷鸟过滤器而言布隆过滤器有以下不足：
  查询性能弱、空间利用效率低、不支持反向操作（删除）以及不支持计数