redis緩存穿透之 布隆過濾器

目錄

1.什麼是布隆過濾器？

2.布隆過濾器的原理介紹

3.布隆過濾器使用場景

4.通過 Java 編程手動實現布隆過濾器

5.利用Google開源的 Guava中自帶的布隆過濾器

---

1.什麼是布隆過濾器？

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，它佔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。並且，存放在布隆過濾器的數據不容易刪除。

位數組中的每個元素都只佔用 1 bit ，並且每個元素只能是 0 或者 1。這樣申請一個 100w 個元素的位數組只佔用 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：

1. 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）。
2. 根據得到的哈希值，在位數組中把對應下標的值置爲 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：

1. 對給定元素再次進行相同的哈希計算；
2. 得到值之後判斷位數組中的每個元素是否都爲 1，如果值都爲 1，那麼說明這個值在布隆過濾器中，如果存在一個值不爲 1，說明該元素不在布隆過濾器中。

舉個簡單的例子：

 

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，然後在對應的位數組的下表的元素設置爲 1（當位數組初始化時 ，所有位置均爲0）。當第二次存儲相同字符串時，因爲先前的對應位置已設置爲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，得到值之後判斷位數組中的每個元素是否都爲 1，如果值都爲 1，那麼說明這個值在布隆過濾器中，如果存在一個值不爲 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，那麼這個元素一定不在。

 

3.布隆過濾器使用場景

1. 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。
2. 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後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：

1. 一個合適大小的位數組保存數據
2. 幾個不同的哈希函數
3. 添加元素到位數組（布隆過濾器）的方法實現
4. 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爲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爲百分之（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（想要詳細瞭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隻能單機使用（另外，容量擴展也不容易），而現在互聯網一般都是分佈式的場景。爲了解決這個問題，我們就需要用到 Redis 中的布隆過濾器了。